一种构造稀疏核学习算法的直接方法
吴明瑞（Mingrui Wu）、伯恩哈德·舍尔科夫（Bernhard Schölkopf）、戈坎·巴克尔（Gökhan Bakir）; 7(21):603−624, 2006.
摘要
许多内核学习算法，包括支持向量机，生成内核机器，如内核分类器，其密钥组件是隐含引入的特征空间中的权重向量通过一个正定核函数。该权重向量通常为通过求解凸优化问题得到。基于这个事实我们提出了一种直接构建稀疏核学习算法的方法通过在原始凸优化中再添加一个约束问题，导致生成的内核机器的稀疏性显式控制，同时性能保持为尽可能高。为此提供了一种基于梯度的方法改进的优化问题。将此方法应用于支架向量机产生了一种具体的稀疏构建算法大边距分类器。这些分类器从本质上发现了可以由少量向量跨越的子空间，在此子空间，不同类别的数据线性良好分开。几个分类基准的实验结果证明我们方法的有效性。
[腹肌]
[pdf格式][围兜]
