×

一种改进的最大单项协议分枝定界法。 (英语) Zbl 1462.90104号

摘要:\(\mathcal{NP}\)-硬最大单项协议这个问题包括找到一个与“正”和“负”二进制向量的加权数据集最一致或“最适合”的单个逻辑连接。使用boosting方法计算加权投票分类器时,每次迭代都会涉及到一个最大一致性子问题,尽管这些子问题在实践中通常是通过启发式方法解决的。在这里,我们描述了布尔单项式上最大一致性的精确分枝定界方法,改进了N.戈德堡C.-C.Shan[“使用噪声数据提升最佳逻辑模式”,载于:2007年SIAM国际数据挖掘会议论文集。费城:SIAM.228–236(2007;doi:10.1137/1.9781611972771.21)]。具体来说,我们开发了一个更紧的上界函数和一个改进的分支过程,该过程利用了边界和特定数据集的知识,同时具有较低的分支因子。实验结果表明,新方法能够解决更大的问题实例,并且在应用于UCI机器学习库中等规模数据集的线性规划增强过程中运行速度更快。新算法的运行速度也比商业混合整数规划求解器快得多,该求解器使用基于线性规划松弛边界的整数线性规划公式。

MSC公司:

90C27型 组合优化
90C57型 多面体组合数学,分枝与定界,分枝与割
68T05型 人工智能中的学习和自适应系统
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Ben-Tal A.,Bhadra S.,Bhattacharyya C.,Nath J.S.Chance通过稳健优化约束不确定分类。数学。编程(2011) 127(1):115-173 ·兹伯利1218.68117
[2] Boros E.、Hammer P.L.、Ibaraki T.、Kogan A.数值数据的逻辑分析。数学。编程(1997)79(1-3):163-190交叉参考·兹伯利0887.90179
[3] Boros E.、Horiyama T.、Ibaraki T.、Makino K.、Yagiura M.从二进制数据中寻找基本属性。安。数学。人工智能(2003) 39(3):223-257 ·Zbl 1038.68092号
[4] Boros E.、Hammer P.L.、Ibaraki T.、Kogan A.、Mayoraz E.、Muchnik I.数据逻辑分析的实现。IEEE传输。知识数据工程。(2000)12(2):292-306交叉参考
[5] Bshouty N.H.,Burroughs L.最大化协议和合作学习。理论。计算。科学。(2006) 350(1):24-39 ·Zbl 1086.68062号
[6] Carrizosa E.、Martin-Barragán D.R.、Morales B.二值化支持向量机。信息J.计算。(2010)22(1):154-167摘要·Zbl 1243.62088号
[7] 科恩·W·W·辛格·Y·一个简单、快速、有效的规则学习者。程序。第十六届全国人工智能大会(1999)(AAAI出版社,加利福尼亚州门罗公园)335-342
[8] Crama Y.、Hammer P.L.、Ibaraki T.因果关系和部分定义的布尔函数。安·Oper。物件。(1988) 16(1-4):299-326 ·Zbl 0709.03533号
[9] De Bontridder K.M.J.、Lageweg B.J.、Lenstra J.K.、Orlin J.B.、Stougie L.、Möhring R.、Raman R.测试覆盖问题的分支定界算法。程序。第十届欧洲年会。算法,第2461卷(2002)(柏林斯普林格)223-233计算机科学讲稿·Zbl 1019.68807号
[10] Demiriz A.、Bennett K.P.、Shawe-Taylor J.通过列生成增强线性规划。机器学习。(2002) 46(1-3):225-254 ·Zbl 0998.68105号
[11] Dobkin D.P.、Gunopulos D.、Maass W.计算最大双色差异,应用于计算机图形学和机器学习。J.计算。系统。科学。(1996) 52(3):453-470 ·Zbl 0858.68077号
[12] Eckstein J.、Phillips C.A.、Hart W.E.PEBBL 1.0用户指南。(2006年)。RUTCOR研究报告RRR 19-2006,RUTCOR,新泽西州皮斯卡塔韦罗格斯大学
[13] Eckstein J.,Hammer P.L.,Liu Y.,Nediak M.,Simeone B.最大箱问题及其在数据分析中的应用。计算。最佳方案。申请。(2002) 23(2):285-298 ·Zbl 1028.90039号
[14] Feldman V.最大化与单项式一致性的最佳硬度结果。程序。第21届IEEE年会计算。复杂性(2006)(美国电气与电子工程师协会,新泽西州皮斯卡塔韦)226-236
[15] Frank A.,Asuncion A.UCI机器学习库。(2010) . 加州大学欧文分校。http://archive.ics.uci.edu/ml
[16] Freund Y.,Schapire R.E.在线学习的决策理论推广及其在助推中的应用。J.计算。系统科学。(1997)55(1):119-139交叉参考·Zbl 0880.68103号
[17] Friedman J.H.、Popescu B.E.通过规则集合进行预测学习。附录申请。统计师。(2008) 2(3):916-954 ·Zbl 1149.62051号
[18] Goldberg N.、Eckstein J.、Fürnkranz J.、Joachims T.加强分类器L(左)_{0}-松弛处罚。程序。第27届国际。Conf.机器学习(2010)(威斯康星州麦迪逊Omnipress)383-390
[19] Goldberg N.、Shan C.、Aple C.、Liu B.、Parthasarathy S.、Skillicorn D.使用含噪数据提升最佳逻辑模式。程序。第七届SIAM国际。Conf.数据挖掘(2007)(SIAM,费城)228-236
[20] Graepel T.、Herbrich R.、Schölkopf B.、Smola A.、Bartlett P.、Müller K.-R、Obermayer K.、Williamson R.使用LP机器对邻近数据进行分类。程序。第九届国际。Conf.人工神经网络(1999)(IEEE,新泽西州皮斯卡塔韦)304-309
[21] Kearns M.、Li M.在存在恶意错误的情况下学习。SIAM J.计算。(1993)22(4):807-837交叉参考·Zbl 0789.68118号
[22] Kearns M.J.、Schapire R.E.、Sellie L.M.致力于有效的不可知论学习。机器学习。(1994) 17(2-3):115-141 ·Zbl 0938.68797号
[23] Khot S.排除图形最小剖分的PTAS,稠密k个-子图和二部集团。SIAM J.计算。(2006)36(4):1025-1071交叉参考·Zbl 1127.68035号
[24] Rätsch G.、Schölkopf B.、Smola A.J.、Mika S.、Onoda T.、Müller K.-R、SmolaA.J.、Bartlett P.J.、Scholkopf B、Schurmans D.鲁棒集成学习。大毛利分级机的进展(2000)(麻省理工学院出版社,马萨诸塞州剑桥)207-219
[25] Schapire R.E.学习能力薄弱的原因。机器学习。(1990)5(2):197-227
[26] Schapire R.E.,Singer Y。使用置信率预测改进提升算法。机器学习。(1999) 37(3):297-336 ·Zbl 0945.68194号
[27] Servedio R.A.在恶意噪音中顺利提升和学习。J.机器学习。物件。(2003) 4:633-648 ·Zbl 1102.68592号
[28] Weiss S.M.、Kulikowski C.A。学习的计算机系统(1991)(摩根·考夫曼,旧金山)
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配,并且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。