叶洁平；纪水旺；陈建辉 基于凸规划的多类鉴别核学习。 （英语） Zbl 1225.68223号 J.马赫。学习。物件。 9, 719-758 (2008). 摘要：正则核鉴别分析（RKDA）通过核技巧在特征空间中执行线性鉴别分析。它的性能取决于内核的选择。本文研究了RKDA的多核学习问题，其中最优核矩阵是预先指定的核矩阵的线性组合。我们证明了RKDA中的核学习问题可以表示为凸规划。首先，我们证明了这个问题可以表示为半定程序（SDP）。基于二元类情形下RKDA和最小二乘问题之间的等价关系，我们提出了一种用于RKDA核学习的凸二次约束二次规划（QCQP）公式。为了进一步提高效率，推导了半无限线性规划（SILP）公式。基于本文建立的一个关键结果，我们将这些公式扩展到多类情况。也就是说，多类RKDA内核学习问题可以分解为一组二进制类内核学习问题，这些问题被约束为共享一个公共内核。基于这种分解性质，提出了多类情形下的SDP公式。此外，它自然导致QCQP和SILP配方。由于RKDA的性能取决于正则化参数，我们表明，该参数也可以在与核的联合框架中进行优化。进行了大量实验并进行了分析，讨论了与其他算法的联系。 引用于9文件 MSC公司： 68T05型 人工智能中的学习和自适应系统 90C25型 凸面编程 90立方厘米20 二次规划 62H30型 分类和区分；聚类分析（统计方面） 关键词：型号选择；核判别分析；半定规划；二次约束二次规划；半无限线性规划 软件：DSPCA公司；伦敦银行支持向量机；SHOGUN公司；莫塞克；塞杜米 PDF格式BibTeX公司 XML格式引用 \textit{J.Ye}等人，J.Mach。学习。第9719-758号决议（2008年；Zbl 1225.68223） 全文： 链接