多核学习中基于复合梯度映射的学习算法研究

• 作者: 刘益和 龙文光
• 来源期刊: 计算机应用研究
• 关键词: 多核学习 训练样本 随机规划 复合梯度映射 收敛速度 UCI数据集
• 年，卷（期）: 2015,（4）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 1019-1023
• 页数: 5页
• 分类号: TP181
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2015.04.014

摘要

现有的多核学习算法大多假设训练样本分类完全正确,将其应用到受扰分类样本上时,由于分类存在差错,因此往往只能实现次优性能.为了解决这一问题,首先将受扰分类多核学习问题建模为随机规划问题,并得到一种极小极大表达式;然后提出基于复合梯度映射的一阶学习算法对问题进行求解.理论分析表明,该算法的收敛速度为O(1/T),大大快于传统算法的收敛速度O(1/√T).最后,基于五个UCI数据集的实验结果也验证了本文观点和优化算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘益和	内江师范学院计算机科学学院	61	213	8.0	12.0
2	龙文光	内江师范学院现代教育技术中心	15	49	5.0	6.0