特征加权的核学习方法

• 作者: 李彦勤 胡湘萍
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 特征加权 支持向量机 核学习
• 年，卷（期）: 2015,（14）
• 所属期刊栏目: 数据库、数据挖掘、机器学习
• 页码范围: 104-107,119
• 页数: 5页
• 分类号: TP391
• 字数: 4231字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1403-0080

摘要

提出了一种特征加权的核学习方法，其主要为了解决当前核方法在分类任务中对所有数据特征的同等对待的不足。在分类任务中，数据样本的每个特征所起的作用并不是相同的，有些特征对分类任务有促进作用，应该给予更多的关注。提出的算法集成了多核学习的优势，以加权的方式组合不同的核函数，但所需的计算复杂度更低。实验结果证明，提出的算法与支持向量机、多核学习算法相比，分类准确度优于支持向量机和多核学习算法，在计算复杂度上略高于支持向量机，但远远低于多核学习算法。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡湘萍		3	20	3.0	3.0
2	李彦勤		11	24	3.0	4.0