×
傅、盛；张三国；刘玉峰

自适应加权大边缘角度分类器。 （英语） Zbl 1499.62210号

《多元分析杂志》。 166, 282-299 (2018).
摘要：大边缘分类器是解决分类问题的强大技术。虽然二进制大边缘分类器已经被大量研究，但多类别问题更为复杂和具有挑战性。一种常见的方法是为具有和零约束的（k）类问题构造不同的决策函数。然而，这种约束可能效率低下。此外，许多大边缘分类器可能对训练样本中的异常值敏感。在本文中，我们使用基于角度的分类框架来避免显式的和零约束，并提出了两种自适应加权大边缘分类技术。我们的新方法是Fisher一致的，并且在适当的条件下对异常值更加稳健。数值实验进一步表明，与现有方法相比，我们的方法具有竞争力和稳定的性能。

引用于三文件

MSC公司：

62H30型 分类和区分；聚类分析（统计方面）
68T05型 人工智能中的学习和自适应系统

关键词：

费希尔一致性；多类别分类；稳健性；支持向量机；加权学习

软件：

LIBLINEAR银行；PRMLT公司；ElemStatLearn（电子状态学习）
PDF格式BibTeX公司 XML格式引用
\textit{S.Fu}等人，《多元分析杂志》。166282--299（2018年；Zbl 1499.62210）
全文： 内政部 链接

参考文献：

[1] An，L.T.H。；Tao，P.D.，用DC算法求解一类线性约束的不定二次型问题，J.Global Optim。，11, 253-285 (1997) ·Zbl 0905.90131号
[2] Bishop，C.M.，模式识别和机器学习（2006），Springer:Springer New York·Zbl 1107.68072号
[3] Boser，B.E。；盖恩，I.M。；Vapnik，V.N.，最佳边缘分类器的训练算法，（第五届计算学习理论年度研讨会论文集（1992），ACM）
[4] Bredensteiner，E.J。；Bennett，K.P.，支持向量机的多类别分类，（计算优化（1999），Springer:Springer New York），53-79·兹比尔1040.90574
[5] Burges，C.J.，模式识别支持向量机教程，Data Min.Knowl。发现。，2, 121-167 (1998)
[6] 科尔特斯，C。；Vapnik，V.，支持向量网络，马赫。学习。，20, 273-297 (1995) ·Zbl 0831.68098号
[7] 克拉默，K。；Singer，Y.，关于基于核的多类向量机的算法实现，J.Mach。学习。第265-292号决议（2001年）·Zbl 1037.68110号
[8] 北卡罗来纳州克里斯蒂亚尼尼。；Shawe-Taylor，J.，《支持向量机和其他基于内核的学习方法简介》（2000），剑桥大学出版社
[9] Dietterich，T.G。；Bakiri，G.，《通过纠错输出代码解决多类学习问题》，《人工智能研究杂志》，263-286（1995）·Zbl 0900.68358号
[10] 风机，R.-E。；Chang，K.-W。；谢长杰。；王，X.-R。；Lin，C.-J.，Liblinear:大型线性分类库，J.Mach。学习。1871-1874年第9号决议（2008年）·Zbl 1225.68175号
[11] 哈斯蒂·T·J。；Tibshirani，R.J。；Friedman，J.H.，《统计学习的要素：数据挖掘、推断和预测》（2009），Springer:Springer New York·Zbl 1273.62005年
[12] Kimeldorf，G.S。；Wahba，G.，关于切比雪夫样条函数的一些结果，J.Math。分析。申请。，第33页，第82-95页（1971年）·Zbl 0201.39702号
[13] Lee，Y。；林，Y。；Wahba，G.，《多类别支持向量机：微阵列数据和卫星辐射数据分类的理论和应用》，J.Amer。统计师。协会，99，67-81（2004）·Zbl 1089.62511号
[14] Y.Liu，多类别支持向量机的Fisher一致性，在：国际机器学习会议，2007。；刘彦，多类支持向量机的Fisher一致性，载：《机器学习国际会议》，2007年。
[15] 刘，Y。；Shen，X.，多类别学习，J.Amer。统计师。协会，101500-509（2006）·Zbl 1119.62341号
[16] 刘，Y。；沈，X。；Doss，H.，Multicategory\（\psi\）-学习和支持向量机：计算工具，J.Compute。图表。统计学。，14, 219-236 (2005)
[17] 刘，Y。；Yuan，M.，增强型多类别支持向量机，J.Compute。图表。统计学。，20, 901-919 (2011)
[18] 刘，Y。；Zhang，H.H。；Wu，Y.，硬分类还是软分类？大型边缘统一机器，J.Amer。统计师。协会，106，166-177（2011）·Zbl 1396.62144号
[19] Nesterov，Y.，坐标下降法在大规模优化问题上的效率，SIAM J.Optim。，22, 341-362 (2012) ·Zbl 1257.90073号
[20] 沈，X。；曾国藩。；张，X。；Wong，W.H.，On学习，J.Amer。统计师。协会，98，724-734（2003）·Zbl 1052.62095号
[21] Tang，Y。；Zhang，H.H.，多类近端支持向量机，J.Compute。图表。统计学。，15, 339-355 (2006)
[22] Vapnik，V.N.，《统计学习理论》，第1卷（1998年），威利出版社：威利纽约·兹比尔0935.62007
[23] J.Weston，C.Watkins，用于多类模式识别的支持向量机，摘自：ESANN’1999年会议录-欧洲人工神经网络研讨会（比利时），1999年4月21日至23日，第219-224页，D-Facto public，ISBN:2-600049-9-X。；J.Weston，C.Watkins，用于多类模式识别的支持向量机，摘自：ESANN’1999年会议录-欧洲人工神经网络研讨会（比利时），1999年4月21日至23日，第219-224页，D-Facto public，ISBN:2-600049-9-X。
[24] Wu，Y。；Liu，Y.，关于多类别截断铰链损失支持向量机，（Verducci，J.S.；Shen，X.；Lafferty，J.，预测与发现：AMS-IMS-SIAM联合夏季研究会议，机器与统计学习，第443卷（2006），美国数学学会：美国数学学会雪鸟，犹他州），49-58·Zbl 1145.62049号
[25] Wu，Y。；Liu，Y.，鲁棒截断铰链损失支持向量机，J.Amer。统计师。协会，102974-983（2007）·Zbl 1469.62293号
[26] Wu，Y。；Liu，Y.，自适应加权大边距分类器，J.Compute。图表。统计学。，22, 416-432 (2013)
[27] 张涛，一些多类别大幅度分类方法的统计分析，J.Mach。学习。第5号决议，1225-1251（2004）·Zbl 1222.68344号
[28] 张，C。；Liu，Y.，多类别大边缘统一机器，J.Mach。学习。第141349-1386号决议（2013年）·Zbl 1317.68200号
[29] 张，C。；Liu，Y.，基于多类别角度的大边缘分类，Biometrika，101，625-640（2014）·兹比尔1335.62110
[30] 张，C。；刘，Y。；Wang，J。；Zhu，H.，基于增强角度的多类别支持向量机，J.Compute。图表。统计学。，25, 806-825 (2016)
[31] 张，C。；Pham，M。；傅，S。；Liu，Y.，使用差分凸算法的鲁棒多类别支持向量机，数学。程序。（2018），（印刷中）·Zbl 1397.90319号
[32] 邹，H。；朱，J。；Hastie，T.，基于多类别Fisher一致性损失的新多类别提升算法，Ann.Appl。统计，21290-1306（2008）·Zbl 1158.62044号
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。