丹尼尔·杨（Daniel S.Yeung）。;王德芬;Ng，Wing W.Y。;Eric C.Tsang。;王希钊 结构化大利润机器：对数据分布敏感。 （英语） Zbl 1470.68205号 机器。学习。 68，第2期，171-200（2007）. 摘要：本文提出了一种新的大边缘分类器——结构化大边缘机器（SLMM），它对数据分布的结构非常敏感。SLMM方法结合了“结构化”学习模型（如径向基函数网络和高斯混合模型）的优点，以及“非结构化”大边缘学习方案（如支持向量机和最大-最小边缘机）的优点。我们在分析现有的结构化和非结构化学习模型的基础上，从“结构化度”和“同态空间”的概念推导出SLMM模型。然后，通过对输入数据（或核空间中的数据映射）使用Ward的凝聚层次聚类来提取底层数据结构，我们将SLMM训练表示为一个连续的二阶锥规划。阐述了SLMM方法的许多有前途的特性，包括其准确性、可扩展性、可扩展性和噪声容忍度。我们还证明了SLMM模型的理论重要性，它概括了现有的方法，如SVM和M{4}，为学习模型提供了新的见解，并为构思其他“结构化”分类器奠定了基础。 引用于6文件 MSC公司： 68T05型 人工智能中的学习和自适应系统 62H30型 分类和区分；聚类分析（统计方面） 关键词：大边际学习;加权马氏距离（WMD）;同态空间;结构化学习;层次聚类;二阶锥规划 软件：塞杜米;莫塞克 PDF格式BibTeX公司 XML格式引用 \textit{D.S.Yeung}等人，马赫。学习。68，编号2171-200（2007年；兹bl 1470.68205） 全文： 内政部 参考文献： [1] Andersen，E.D.和Andersen A.D.（2001年）。线性规划的MOSEK内点优化器：同构算法的实现。在高性能优化中（第197–232页）。多德雷赫特：克鲁沃学院·Zbl 1028.90022号 [2] Burges，C.（1998年）。模式识别支持向量机教程。数据挖掘和知识发现，2121-167·doi:10.1023/A:1009715923555 [3] Christodoulou，C.和Pattichis，C.（1999）。肌电信号分类的无监督模式识别。IEEE生物医学工程学报，46（2），169-178·doi:10.1109/10.740879 [4] Devroye，L.、Gyorfi，L.和Lugosi，G.（1996）。模式识别的概率理论。柏林：斯普林格·Zbl 0853.68150号 [5] 杜达·R、哈特·P和斯托克·D·G（2001）。图案分类（第二版）。纽约：Wiley·Zbl 0968.68140号 [6] El-Hamdouchi，A.和Willett，P.（1989年）。文献检索的层次聚集聚类方法比较。《计算机杂志》，32（3），220–227·doi:10.1093/comjnl/3.2320 [7] Everitt，S.、Landau，S.和Leese，M.（2001）。聚类分析。伦敦：霍德·Zbl 1205.62076号 [8] Fisher，R.（1936年）。在分类问题中使用多重测量。优生学年鉴，7179-188。 [9] Girolma，M.（2002）。特征空间中基于Mercer核的聚类。IEEE神经网络汇刊，13（3），780-784·doi:10.1109/TNN.2002.1000150 [10] Haykin，S.（1999）。神经网络：综合基础。新泽西州：Prentice Hall·Zbl 0934.68076号 [11] Hsu，C.W.和Lin，C.J.（2002）。多类支持向量机方法的比较。IEEE神经网络汇刊，13（2），415–425·doi:10.1109/TNN.2002.1000139 [12] Huang，K.、Yang，H.、King，I.和Lyu，M.R.（2004年a）。学习本地和全球的大利润分类器。摘自：2004年加拿大班夫第21届机器学习国际会议论文集。 [13] Huang，K.、Yang，H.、King，I.、Lyu，M.R.和Chan，L.（2004b）。最小误差最小最大概率机。机器学习研究杂志，51253–1286·Zbl 1222.62071号 [14] Jain，A.K.和Dubes，R.（1988年）。聚类数据的算法。新泽西州：Prentice Hall·兹比尔0665.62061 [15] Lanckriet，G.R.G.、Ghaoui，L.E.、Bhattacharyya，C.和Jordan，M.I.（2002）。一种稳健的极小极大分类方法。机器学习研究杂志，3555–582·Zbl 1084.68657号 ·doi:10.1162/153244303321897726 [16] Lobo，M.、Vandenberghe，L.、Boyd，S.和Lebret，H.（1998）。二阶锥规划的应用。线性代数及其应用，284193-228·兹比尔0946.90050 ·doi:10.1016/S0024-3795（98）10032-0 [17] Mukherjee，B.、Heberlein，L.和Levitt，K.（1994年）。网络入侵检测。IEEE神经网络汇刊，8（3），26–41。 [18] Osuna，E.、Freund，R.和Girosi，F.（1997）。训练支持向量机：人脸检测的应用。1997年IEEE计算机视觉和模式识别会议论文集（第130-136页）。 [19] Platt，J.、Cristianini，N.和Shawe-Taylor，J.（2000）。大幅度DAGS用于多类分类。神经信息处理系统进展，12547–553。 [20] Rätsch，G.、Onoda，T.和Müller，K.R.（2001）。AdaBoost的利润率较低。机器学习，42（3），287–320·兹伯利0969.68128 ·doi:10.1023/A:1007618119488 [21] Salvador，S.和Chan，P.（2004）。确定分层聚类/分段算法中的聚类/分段数。第16届IEEE人工智能工具国际会议论文集（第576–584页）。 [22] Schölkopf，B.、Mika，S.、Burges，C.、Knirsch，P.、Müller，K.-R.、Rätsch，G.和Smola，A.（1999年）。基于内核的方法中的输入空间与特征空间。IEEE神经网络汇刊，10（5），1000-1017·数字对象标识代码：10.1109/72.788641 [23] Schölkopf，B.、Smola，A.和Müller，K.-R（1998）。非线性分量分析是一个核心特征值问题。神经计算，101299-1319·doi:10.1162/08997669830017467 [24] Smola，A.、Bartlett，P.、Schölkopf，B.和Schurmans，D.（2000年）。大幅度分类器的进展。剑桥：麻省理工学院·Zbl 0988.68145号 [25] Sturm，J.（1999）。使用Sedumi 1.02，一个用于对称锥体优化的Matlab工具箱。优化方法和软件，11625–653·Zbl 0973.90526号 ·doi:10.1080/10556789908805766 [26] Vapnik，V.N.（1999）。统计学习理论的本质。纽约：施普林格·Zbl 0928.68093号 [27] Veeramachaneni，S.和Nagy，G.（2005年）。使用二阶统计设置上下文样式。IEEE模式分析和机器智能汇刊，27（1），14–22·doi:10.1010/TPAMI.2005.19 [28] Wang，D.，Yeung，D.S.，&Tsang，E.（2005）。通过数据结构分析对SVM进行样本缩减。《IEEE系统、人和控制论国际会议论文集》SMC’05（第1030–1035页），美国夏威夷。 [29] Ward，J.H.（1963年）。分层分组以优化目标函数。美国统计协会杂志，58236-244·doi:10.2307/2282967 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。