具有双重稀疏机制的在线学习算法

• 作者: 吕敬钦 吴瑞峰 夏学文 张文生 王莹莹 魏波
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 大数据 在线学习 稀疏性 L1/2范数 平均梯度
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 学术论文
• 页码范围: 2202-2210
• 页数: 9页
• 分类号: TP391
• 字数: 8157字
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2019.10.023

摘要

针对大数据背景下数据分类问题,已有的在线学习算法通常引入L1范数正则化增强预测模型的稀疏性,但单一的正则化约束不能高效的获取稀疏模型.基于此,提出了一种具有双重稀疏机制的在线学习算法(an online learning algorithm with dual sparse mechanisms,DSOL).在DSOL算法中,一方面利用L1/2正则化项约束目标函数以增强预测模型的稀疏性,提高算法的泛化性能.另一方面用改进的梯度截取法对数据特征进行选择,有效稀疏化预测模型.通过L1/2正则化与改进的梯度截取策略的有机融合,有效利用了历史数据信息,提高了算法分类数据的性能.通过与另4种代表性稀疏在线学习算法在9个公开数据集的实验对比表明DSOL算法对数据分类的准确性更高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	魏波	华东交通大学软件学院	10	22	3.0	4.0
3	张文生	中国科学院自动化研究所	98	1246	18.0	33.0
4	夏学文	华东交通大学软件学院	17	200	7.0	14.0
7	王莹莹	华东交通大学人文社会科学学院	6	6	1.0	2.0
8	吕敬钦	华东交通大学软件学院	2	1	1.0	1.0
9	吴瑞峰	华东交通大学软件学院	2	0	0.0	0.0