基于分布式核的在线AUC最大化算法

• 作者: 刘鑫 周星宇 尤峻 潘志松 白玮
• 来源期刊: 信息技术与网络安全
• 学科: 工学
• 关键词: 分布式学习 在线学习 核方法 AUC
• 年，卷（期）: 2018,（10）
• 所属期刊栏目: 人工智能
• 页码范围: 41-45
• 页数: 5页
• 分类号: TP391.4
• 字数: 4184字
• 语种: 中文
• DOI: 10.19358/j.issn.2096-5133.2018.10.010

摘要

接收者操作特性曲线下面积(Area Under ROC Curve,AUC)是一种常用的不均衡数据集上的分类性能评价指标.现阶段的研究主要是单节点在线学习场景下最大化AUC.但是随着网络的发展,数据的维度和产生速度高速增加并且数据来自多个分布式数据源.为了解决这个问题,提出了一种分布式核的在线AUC最大化算法(Distributed Kernel-based Online AUC Maxi-mization,DKOAM),该方法利用了核学习方法和分布式在线学习框架.在标准数据集上的实验结果验证了DKOAM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	周星宇	陆军工程大学通信工程学院	2	0	0.0	0.0
2	潘志松	陆军工程大学指挥控制工程学院	9	34	1.0	5.0
3	白玮	陆军工程大学指挥控制工程学院	4	35	1.0	4.0
4	刘鑫	陆军工程大学指挥控制工程学院	1	0	0.0	0.0
5	尤峻	陆军工程大学指挥控制工程学院	1	0	0.0	0.0