×
龚佳文;邹斌;徐，陈;徐杰;你，辛格

基于Fisher线性判别的混合学习。 （英语） Zbl 07854169号

信息科学。 667，文章ID 120465，16 p.（2024）.
摘要：混合学习是一种将数据的全局信息和局部信息相结合的优秀方法。与已知的混合学习算法不同，本文提出了一种新的Fisher线性判别式（FLD）的混合学习策略，并引入了一种新的基于FLD的混合学习（HL-FLD）。HL-FLD的主要思想是首先通过FLD获得全局结构信息，然后使用获得的全局信息对给定数据进行更详细的局部划分。为了系统地研究所提出的HL-FLD，我们不仅建立了HL-FLD的泛化界，并证明了所提出的算法是一致的，而且还对HL-FLD进行了一些讨论。由于分割给定数据的块是一个超参数，我们还改进了HL-FLD并引入了另一种新的基于FLD的自适应混合学习（SHL-FLD）。对基准库的实验研究证实，所提出的两种算法在误分类率和总时间方面具有更好的性能。

MSC公司：

68倍 计算机科学
91至XX 博弈论、经济学、金融学以及其他社会和行为科学

关键词：

混合学习;Fisher线性判别式;自适应的;泛化界;一致的
PDF格式BibTeX公司 XML格式引用
\textit{J.Gong}等人，《信息科学》。667，文章ID 120465，16 p.（2024；Zbl 07854169）
全文： 内政部

参考文献：

[1] 黄，K.Z。；Yang，H。；国王一世。；Lyu，M.R.，《机器学习：本地和全球建模数据》，2008年，浙江大学出版社：浙江大学出版社杭州·Zbl 1147.68068号
[2] Wang，F。；廖，F。；李毅。；Wang，H.，使用高斯混合模型的动态多目标优化新预测策略，信息科学。，580, 331-351, 2021
[3] 王，R。；Ye，S。；李凯。；Kwong，S.，基于贝叶斯网络的多标签分类器链标签相关性分析，Inf.Sci。，554, 256-275, 2021 ·Zbl 1484.68198号
[4] Duan，J。；关，Y。；李S.E。；任，Y。；孙，Q。；Cheng，B.，《分布式软行为关键：解决价值估计错误的非政策强化学习》，IEEE Trans。神经网络。学习。系统。，33, 11, 6584-6598, 2021
[5] 雅达夫·R·K。；Verma，S.，黎曼流形上的Parzen窗逼近，模式识别。，134, 109081-109096, 2023
[6] 加列戈，A.J。；Rico-Juan，J.R。；Valero-Mas，J.J.，基于聚类和自适应k值的高效k近邻搜索，模式识别。，122, 108356-108373, 2022
[7] 戈恩，B。；Chutia，R。；Dutta，P.，直觉模糊集上的距离测度及其在决策、模式识别和聚类问题中的应用，国际情报杂志。系统。，37, 3, 2458-2501, 2022
[8] 沈，C。；裴，Z。；Chen，W。；Wang，J。；张杰。；Chen，Z.，基于sEMG的模式识别的推广：一种新的手势识别特征提取，IEEE Trans。仪器。测量。，71, 1-12, 2022
[9] 郑毅。；拉维坎德兰，H。；Schranghamer，T.F。；Trainor，北。；雷丁，J.M。；Das，S.，基于二维微机晶体管的贝叶斯网络的硬件实现，国家通讯。，13, 1, 5578-5589, 2022
[10] 张，Z。；刘，L。；沈，F。；沈洪涛。；Shao，L.，二进制多视图聚类，IEEE Trans。模式分析。机器。智力。，41, 7, 1774-1782, 2018
[11] 黄，K.Z。；Yang，H。；国王一世。；Lyu，M.R.，Maxi-min margin machine:在本地和全球学习大边界分类器，IEEE Trans。神经网络。，19, 2, 260-272, 2008
[12] 郭毅。；张，Z。；Tang，F.，基于核化多类支持向量机的特征选择，模式识别。，117, 107988-108001, 2021
[13] Bai，J。；李毅。；李，J。；Yang，X.先生。；姜瑜。；夏世通，多项式随机森林，模式识别。，122, 108331-108344, 2022
[14] 张，Z。；赖，Z。；黄，Z。；Wong，W.K。；谢国顺。；刘，L。；Shao，L.，可伸缩监督的语义和潜在因子嵌入非对称散列，IEEE Trans。图像处理。，28, 10, 4803-4818, 2019 ·Zbl 07123016号
[15] 聂，F。；X.赵。；王，R。；Li，X.，自适应流形嵌入的快速局部判别分析，IEEE Trans。模式分析。机器。智力。，44, 12, 9315-9330, 2022
[16] 罐头，T.I。；贝雷特，T.B。；Samworth，R.J.，《局部最近邻分类及其在半监督学习中的应用》，Ann.Stat.，48，31789-18142020·Zbl 1451.62071号
[17] 周，Y。；张，H。；李，F。；齐，P.，局部聚焦支持向量机算法，J.Compute。申请。，38, 4, 945-948, 2018
[18] Lee，H。；Choi，H。；Sohn，K。；Min，D.，KNN图像恢复的局部关注，（IEEE/CFF计算机视觉和模式识别会议论文集，2022），2139-2149
[19] Marchetti，F。；Perracchione，E.，局部到全局支持向量机（LGSVM），模式识别。，132, 108920-108947, 2022
[20] 徐，M。；王，H。；Ni，B。；郭，H。；Tang，J.，具有本地和全球结构的自我监督图形级表示学习，（机器学习国际会议，第139卷，2021年，PMLR），11548-11558
[21] 蒋，P.T。；Yang，Y。；侯，Q。；Wei，Y.，L2g：用于弱监督语义分割的简单本地到全球知识转移框架，（IEEE/CVF计算机视觉和模式识别会议论文集，2022），16886-16896
[22] Tang，H。；邵，L。；托尔，P.H。；Sebe，N.，局部和全局GAN，具有用于图像生成的语义感知上采样，IEEE Trans。模式分析。机器。智力。，45, 1, 768-784, 2022
[23] 杜达，R.O。；Hart，P.E.，《模式分类和场景分析》，第3卷，1973年，威利：威利纽约·Zbl 0277.68056号
[24] 张，P。；彭杰。；Riedel，N.，《判别分析：统一方法》，（第五届IEEE数据挖掘国际会议（ICDM’05），第6卷，2005年），1-8
[25] Aronszajn，N.，《再生核理论》，译。美国数学。Soc.，68,337-4041950年·Zbl 0037.20701号
[26] 梅斯特，M。；Steinwart，I.，本地化SVM的最佳学习率，J.Mach。学习。2016年第17、1、6722-6765号决议·Zbl 1433.68368号
[27] Wang，J。；王，H。；聂，F。；Li，X.，《线性判别分析的比率和与和比率》，IEEE Trans。模式分析。机器。智力。，44, 12, 10171-10185, 2021
[28] Cucker，F。；Smale，S.，《学习理论中正则化参数的最佳选择：关于偏差方差问题》，Found。计算。数学。，2, 4, 413-428, 2002 ·Zbl 1057.68085号
[29] Ying，Y。；周大新，在线正则化分类算法，IEEE Trans。Inf.理论，52，11，4775-47882006·Zbl 1323.68450号
[30] Bartlett，P.L。；M.I.乔丹。；McAuliffe，J.D.，凸性、分类和风险边界，美国统计协会，101，473，138-1562006·Zbl 1118.62330号
[31] Zhang，T.，基于凸风险最小化的分类方法的统计行为和一致性，Ann.Stat.，32，1，56-852004·Zbl 1105.62323号
[32] 斯坦瓦特，I。；Thomann，P.，LiquidSVM：一个快速且通用的SVM软件包，2017，arXiv电子打印
[33] Cucker，F。；Smale，S.，《学习的数学基础》，布尔。美国数学。Soc.，39，1，1-49，2002年·Zbl 0983.68162号
[34] 吴琼。；Ying，Y。；Zhou，D.X.，最小二乘正则化回归的学习率，发现。计算。数学。，6, 2, 171-192, 2006 ·Zbl 1100.68100号
[35] Tong，H。；陈博士。；Peng，L.，使用多元多项式核的正则化分类器的学习率，J.Complex。，24, 5-6, 619-631, 2008 ·Zbl 1169.68043号
[36] 王，Z。；Liang，T。；邹，B。；蔡，Y。；徐，J。；You，X.，基于数据去噪的增量Fisher线性判别法，Knowl-基于系统。，237, 1-13, 2022
[37] 杜伯特，F。；Christmann，A.，本地化支持向量机的通用一致性和鲁棒性，神经计算，31596-1062018
[38] Sugiyama，M.，监督降维的局部Fisher判别分析，（第23届机器学习国际会议论文集，2006年第23卷），905-912
[39] Kim，S.J。；Magnani，A。；Boyd，S.，核Fisher判别分析中的最优核选择，（第23届机器学习国际会议论文集，2006年第23卷），465-472
[40] Klambauer，G。；Unterthiner，T。；Mayr，A。；Hochreiter，S.，自归一化神经网络，高级神经信息处理。系统。，30, 971-980, 2017
[41] Zhang，T.，某些正则化线性函数类的覆盖数界，J.Mach。学习。2002年3月第2527-550号决议·Zbl 1007.68157号
[42] Demšar，J.，多数据集上分类器的统计比较，J.Mach。学习。2006年7月1日至30日决议·Zbl 1222.68184号
[43] Wilcoxon，F.，《通过排名方法进行个人比较》，（《统计学的突破：方法和分布》，1992年，纽约州施普林格市：纽约州施普利格市），196-202年·Zbl 0758.6202号
[44] 阿诺瓦尔，F。；Sadaoui，S。；Selim，B.，维数减少算法的概念和经验比较（PCA、KPCA、LDA、MDS、SVD、LLE、ISOMAP、LE、ICA、t-SNE），计算。科学。版次：40100378-1003912021·Zbl 1484.68178号
[45] Guo，Y.R。；Bai，Y.Q。；Li，C.N。；Shao，Y.H。；叶，Y.F。；江春珍，《多模态分类的反向最近邻Bhattacharyya界线性判别分析》，工程应用。Artif公司。智力。，97, 104033-104047, 2021
[46] 张，Z。；罗，H。；朱，L。；卢，G。；Shen，H.T.，用于交叉模态散列的模态不变非对称网络，IEEE Trans。知识。数据工程，35，5，5091-5104，2022
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。