艾汗·德米里兹;克里斯汀·贝内特（Kristin P.Bennett）。;约翰·肖尔·泰勒 通过列生成进行线性编程增强。 （英语） Zbl 0998.68105号 机器。学习。 46，编号1-3，225-254（2002）. 总结：我们研究了线性规划（LP）方法来提高效率，并使用LPBoost（一种基于列生成的单纯形方法）证明了其有效解决方案。我们把这个问题表述得好像所有可能的弱假设都已经产生了一样。弱假设产生的标签成为问题的新特征空间。提升任务是在标签空间中构造一个学习函数，以最小化误分类错误并最大化软边界。我们证明，对于分类，最小化1-范数软边界误差函数可以直接优化泛化误差界。使用针对大规模优化问题开发的列生成技术，可以有效地求解等效线性程序。通过迭代优化受限LP中的对偶误分类代价，并动态生成弱假设以生成新的LP列，由此产生的LPBoost算法可用于求解任何LP boosting公式。我们为软边界分类、可信度评估和回归增强问题提供了算法。与可能仅在极限内收敛的梯度推进算法不同，LPBoost在有限次迭代中收敛到满足数学上明确定义的最优性条件的全局解。与基于梯度的方法相比，LPBoost的最优解非常稀疏。在计算方面，LPBoost在质量和计算成本方面与AdaBoost相比具有竞争力。 引用于36文件 MSC公司： 68T05型 人工智能中的学习和自适应系统 关键词：增压;LPBoost（低压增压） PDF格式BibTeX公司 XML格式引用 \textit{A.Demiriz}等人，马赫。学习。46，编号1--3，225-254（2002；Zbl 0998.68105） 全文： 内政部