v-软间隔罗杰斯特回归分类机

• 作者: 王士同 董爱美 蒋亦樟 黄成泉
• 来源期刊: 电子与信息学报
• 学科: 工学
• 关键词: 罗杰斯特回归 泛化 坐标下降 对偶坐标下降
• 年，卷（期）: 2016,（4）
• 所属期刊栏目: 论文
• 页码范围: 985-992
• 页数: 8页
• 分类号: TP391.4
• 字数: 5589字
• 语种: 中文
• DOI: 10.11999/JEIT150769

摘要

坐标下降(Coordinate Descent, CD)方法是求解大规模数据分类问题的有效方法，具有简单操作流程和快速收敛速率。为了提高罗杰斯特回归分类器(Logistic Regression Classifier, LRC)的泛化性能，受v-软间隔支持向量机的启发，该文提出一种v-软间隔罗杰斯特回归分类机(v-Soft Margin Logistic Regression Classifier,v-SMLRC)，证明了v-SMLRC对偶为一等式约束对偶坐标下降CDdual并由此提出了适合于大规模数据的v-SMLRC-CDdual。所提出的v-SMLRC-CDdual既能最大化类间间隔，又能有效提高LRC的泛化性能。大规模文本数据集实验表明， v-SMLRC-CDdual分类性能优于或等同于相关方法。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王士同	江南大学数字媒体学院	528	3424	23.0	37.0
2	黄成泉	江南大学数字媒体学院	18	45	5.0	6.0
4	蒋亦樟	江南大学数字媒体学院	50	216	8.0	11.0
7	董爱美	江南大学数字媒体学院	6	34	3.0	5.0