基于CUR矩阵分解的多核学习正则化路径近似算法

• 作者: 李董 王梅 薛成龙
• 来源期刊: 数据采集与处理
• 学科: 工学
• 关键词: 多核学习正则化路径 核矩阵 矩阵近似 抽样方法 CUR算法
• 年，卷（期）: 2020,（3）
• 页码范围: 381-391
• 页数: 11页
• 分类号: TP391
• 字数: 7144字
• 语种: 中文
• DOI: 10.16337/j.1004-9037.2020.03.001

摘要

多核学习在解决不规则、大规模数据问题时表现出良好的优越性.正则化路径是一种多次求解多核学习,选择最优模型的措施.针对多核学习正则化路径算法处理大规模数据时,核矩阵规模较大,计算代价高,影响优化模型效率的问题,提出一种基于CUR矩阵分解的多核学习正则化路径近似算法(Multiple kernel learning regularization path approximation algorithm with CUR,MKLRPCUR).该算法首先采用CUR算法获得核矩阵的低秩近似矩阵的多个分解矩阵,然后在求解过程中利用低维的分解矩阵相乘替代核矩阵,调整相关矩阵计算的顺序,从而简化算法中核矩阵和拉格朗日乘子向量乘积的计算.MKLRPCUR算法降低了矩阵的计算规模,优化了矩阵计算,提高了精确算法的计算效率.从理论上分析低秩近似矩阵的相对误差和算法的时间复杂度,验证了近似算法的合理性.同时,在UCI数据集、ORL和COIL图像数据库上的实验结果表明,本文提出的近似算法不仅保证了学习的准确率,并且降低了算法的运行时间,提高了模型的效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王梅	东北石油大学计算机与信息技术学院	26	38	3.0	5.0
2	李董	东北石油大学计算机与信息技术学院	3	4	1.0	2.0
3	薛成龙	东北石油大学计算机与信息技术学院	1	0	0.0	0.0