×

简单MKL

swMATH ID: 12290
软件作者: 阿兰·拉科托莫蒙吉;巴赫,弗朗西斯·R。;圣埃芬省卡努;伊夫·格兰德瓦莱特
描述: SimpleMKL。多核学习(MKL)旨在在监督学习环境中同时学习一个核和相关预测器。对于支持向量机,最近提出了一种基于半无限线性规划的高效通用多核学习算法。这种方法通过迭代使用现有的支持向量机代码,使MKL能够处理大规模问题,从而开辟了新的视角。然而,事实证明,这种迭代算法需要多次迭代才能收敛到合理的解。在本文中,我们通过一个加权2范数正则化公式来解决MKL问题,该公式对鼓励稀疏核组合的权重有额外的约束。除了学习组合外,我们还解决了一个标准的SVM优化问题,其中核被定义为多个核的线性组合。我们提出了一个算法SimpleMKL来解决这个MKL问题,并通过证明这两种方法是等价的,对基于混合形式正则化的MKL算法提供了新的见解。我们展示了SimpleMKL如何超越二进制分类应用于回归、聚类(单类分类)或多类分类等问题。实验结果表明,该算法收敛速度快,效率优于其他MKL算法。最后,我们说明了MKL对于基于小波核的一些回归变量以及与多类分类问题相关的一些模型选择问题的有用性。
主页: http://asi.insa-rouen.fr/enseignants/~arakoto/code/mklindex.html
依赖项: Matlab公司
关键词: 多核学习;支持向量机;支持向量回归;多类SVM;梯度下降
相关软件: SHOGUN公司;伦敦银行支持向量机;UCI-毫升;辣味MKL;SIFT公司;莫塞克;简易MKL;LIBLINEAR银行;PRMLT公司;ElemStatLearn(电子状态学习);脱咖啡因咖啡;加州理工大学-256;PDCO公司;阿达·布斯特。MH公司;SIRENE公司;TRANSFAC公司;阿拉伯国家石油公司;MNIST公司;支持向量机;SeDuMi公司
引用于: 66文件
全部的 前5名

190位作者引用

弗朗西斯·巴赫。
史蒂芬·C·H·海。
寇、刚
阿兰·阿科托马蒙杰
铃木、太极
唐、晶晶
田英杰
2 Mark A.Girolma。
2 伊夫·格兰德瓦莱特
2 普拉提克Jawanpuria
2 鲁道夫·杰纳顿
2 金、荣
2 小林,Takumi
2 刘,大连
2 尼玛·雷哈尼
2 良田富冈
2 Ivor Wai-Hung曾
2 杨天宝
2 赵金伟
1 阿夫坎普尔,阿拉什
1 Alpaydın,埃塞俄比亚
1 Alsaadi,Fawaz E。
1 Jean-Yves奥迪伯特
1 阿齐兹内贾德,沙扬
1 白俊清
1 卡纳德·基肖尔·比斯瓦斯
1 布莱恩,C.R.V。
1 迈克尔·保龄球
1 吕克·布伦
1 蔡东风
1 斯蒂芬·卡努
1 巴巴拉·卡普托
1 加文·C·考利。
1 Chaovaltwongse、Wanpracha艺术
1 陈强
1 陈天一
1 陈晓东
1 陈秀
1 陈振宇
1 程伟
1 赵英明(Cho,Youngmin)
1 安德烈亚斯·克里斯特曼
1 钟福来
1 绳索,马蒂厄
1 佛罗伦萨德阿尔切布
1 亚历山大·阿斯普雷蒙特
1 弗吉尼亚·R·德萨。
1 Dhillon,Paramveer S。
1 汤姆·迪特
1 哈利法·杰马尔
1 董龙雷
1 董、姚
1 杜亚军
1 弗洛里安·邓佩特
1 范志平
1 冯伯勤
1 毛里齐奥·菲利波内
1 院长P·福斯特。
1 帕特里克·W·加拉赫。
1 高传厚
1 高俊斌
1 高、杨
1 盖泽尔、贝诺?特
1 葛、韩城
1 Ghiasi Shirazi、Kamaledin
1 乔治·吉安娜基斯(Georgios B.Giannakis)。
1 雅塞克·冈齐奥
1 穆罕默德·埃敏·哥宁
1 巴勃罗·冈萨雷斯-布雷维斯
1 格雷尼尔(Grenier)、皮埃尔·安托尼(Pierre-Anthony)
1 韩,安迪
1 韩彪
1 何一伟
1 Hei,Xinhong先生
1 Hino、Hideitsu
1 黄德贤
1 黄增熙
1 简、凌
1 江,何
1 杰、罗
1 Rostom Kachouri公司
1 尼古拉·卡萨博夫。
1 约瑟夫·基特勒
1 巴望库马尔
1 赖建煌
1 兰、梁
1 Joshua M.刘易斯。
1 李德伟
1 李维斌
1 李秀秀
1 李志辉
1 梁锡军
1 刘波
1 刘长东
1 刘欢
1 刘军
1 刘来旺
1 刘强
1 刘淑玉
1 刘伟伟
…还有90多名作者

按年份列出的引文