适用于高维多类数据分类的并行非线性最小二乘法分类器

• 作者: 周清雷 朱真峰 赵奕林
• 来源期刊: 小型微型计算机系统
• 学科: 工学
• 关键词: 最小二乘法 并行 高维度 分类
• 年，卷（期）: 2014,（3）
• 所属期刊栏目: 人工智能与算法
• 页码范围: 579-583
• 页数: 5页
• 分类号: TP391
• 字数: 3771字
• 语种: 中文

摘要

最小二乘法(LS)分类器是一种基础但有效的分类器,尤其适用于解决大规模数据分类问题.LS方法需要求逆矩阵,这使得LS方法在处理高维数据问题时效率低下.为此,提出基于LS的并行化非线性方法(PNLS).通过随机地划分数据维,PNLS能够并行地计算局部模型参数,经过迭代优化,形成最终的全局解.PNLS方法具有三个特点:1)局部线性但全局非线性;2)避免求解大矩阵的逆,适合处理高维数据;3)通过并行计算,能够提高学习效率.另外,理论分析证明了PNLS方法的收敛性.本文进一步提出一种随机版本的PNLS方法,它在每次迭代过程中随机分割数据维以优化PNLS的性能.实验结果表明,与最小二乘法相比,本文提出的方法可以获得更好的预测精度和运行效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周清雷	郑州大学信息工程学院	109	475	10.0	16.0
2	朱真峰	郑州大学信息工程学院	10	25	2.0	5.0
3	赵奕林	郑州大学信息工程学院	2	3	1.0	1.0