快速随机多核学习分类算法

• 作者: 冯婕 孙涛
• 来源期刊: 西安电子科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 多核学习 极限学习 随机核 经验 Rademacher 复杂度
• 年，卷（期）: 2016,（1）
• 页码范围: 36-40
• 页数: 5页
• 分类号: TP775
• 字数: 4293字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-2400.2016.01.007

摘要

多核学习是整合多个子核在一个优化框架内，从而寻求到多个子核之间的一个最佳线性组合，而且多核学习可以获得比单核学习更好的分类性能。受极限学习思想的启发，提出了快速随机多核学习分类方法。当满足极限学习的理论框架时，可以在构造核的过程中，对参数随机赋值，构造一种随机核。可以缩减子核的规模，加快了多核学习的计算时间，并且节省了内存空间，使得多核学习可以处理更大规模的问题。另外，通过使用经验 Rademacher 复杂度来分析多核学习的一般性误差，从而获得比原有多核学习更高的分类精度。结果表明，与经典的快速多核学习算法相比，文中提供的算法计算更快，占用内存空间更小，分类精度更高。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	冯婕	西安电子科技大学智能感知与图像理解教育部重点实验室	4	17	3.0	4.0
2	孙涛	西安电子科技大学智能感知与图像理解教育部重点实验室	1	9	1.0	1.0