基于AdaBoost的弹性网型正则化多核学习算法

• 作者: 任胜兵 谢如良
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 集成学习 多核学习 弹性网型正则化 弱分类器 稀疏性
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 189-195
• 页数: 7页
• 分类号: TP18
• 字数: 5952字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0050909

摘要

在正则化多核学习中,稀疏的核函数权值会导致有用信息丢失和泛化性能退化,而通过非稀疏模型选取所有核函数则会产生较多的冗余信息并对噪声敏感.针对上述问题,基于AdaBoost框架提出一种弹性网型正则化多核学习算法.在迭代选取基本分类器时对核函数的权值进行弹性网型正则化约束,即混合L1范数和Lp范数约束,构造基于多个基本核最优凸组合的基本分类器,并将其集成到最终的强分类器中.实验结果表明,该算法在保留集成算法优势的同时,能够实现核函数权值稀疏性和非稀疏性的平衡,与L1-MKL和Lp-MKL算法相比,能够以较少的迭代次数获得分类精度较高的分类器.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	任胜兵	中南大学软件学院	46	292	8.0	16.0
2	谢如良	中南大学软件学院	2	0	0.0	0.0