×
牛、郭；马正明；刘淑玉

一种基于数据概率分布的多核类学习算法。 （英语） Zbl 1400.68179号

数学。问题。工程师。 2016，文章ID 5927306，第18页（2016）.
摘要：在基于核技巧的机器学习中，人们经常将核函数的一个变量放在给定的样本上，以产生学习问题解空间的基本函数。如果给定样本的集合偏离了数据分布，那么这些基本函数所跨越的解空间也将偏离学习问题的真实解空间。本文提出了一种基于数据概率分布的多核类学习算法（MKDPD），该算法根据数据概率分布局部调整核函数的参数，从而产生不同的核函数。这些不同的核函数将生成不同的再生核希尔伯特空间（RKHS）。这些RKHS子空间的直接和构成了学习问题的解空间。此外，基于所提出的MKDPD算法，提出了一种标记新来数据的新算法，该算法根据新来的数据重新训练基本函数，而重新训练后的基本函数的系数保持不变，以标记新的来数据。本文给出的实验结果表明了所提算法的有效性。

MSC公司：

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

软件：

简单MKL；CMU项目
PDF格式BibTeX公司 XML格式引用
\textit{G.Niu}等人，数学。问题。Eng.2016，文章ID 5927306，18 p.（2016；Zbl 1400.68179）
全文： 内政部

参考文献：

[1] Parzen，E.，关于概率密度函数和模式的估计，《数理统计年鉴》，331065-1076，（1962）·Zbl 0116.11302号 ·doi:10.1214/aoms/1177704472
[2] Kay，S.，基于模型的概率密度函数估计，IEEE信号处理快报，5，12，318-320，（1998）·doi:10.1109/97.735424
[3] 博尔斯，A.G。；Nasios，N.，基于概率密度函数建模的方法中的核带宽估计，第19届模式识别国际会议论文集（ICPR'08）
[4] 苏肯斯，J.A.K。；Vandewalle，J.，最小二乘支持向量机分类器，《神经处理快报》，9，3，293-300，（1999）·doi:10.1023/A:1018628609742
[5] Kuncheva，L.I.，《组合模式分类器：方法和算法》（2004），美国纽约州纽约市：Wiley-Interscience，美国纽约市·Zbl 1066.68114号 ·数字对象标识代码：10.1002/0471660264
[6] 肖尔科夫，B。；Smola，A。；Mller，K.R.，作为核心特征值问题的非线性分量分析，《神经计算杂志》，10，5，1299-1319，（1998）·doi:10.1162/08997669830017467
[7] 米卡，S。；Ratsch，G。；韦斯顿，J。；肖尔科夫，B。；Mullers，K.R.，Fisher鉴别核分析，IEEE信号处理学会研讨会论文集，信号处理神经网络IX·doi:10.10109/NNSP1.999.788121
[8] 贝尔金，M。；Niyogi，P。；Sindhwani，V.，《流形正则化：从标记和未标记示例学习的几何框架》，《机器学习研究杂志》，第7期，第2399-2434页，（2006）·Zbl 1222.68144号
[9] 梅拉奇，S。；Belkin，M.，《原始训练的拉普拉斯支持向量机》，《机器学习研究杂志》，121149-1184，（2011）·Zbl 1280.68182号
[10] 耿，B。；陶，D。；徐，C。；杨利杰。；Hua，X.-S.，集成流形正则化，IEEE模式分析与机器智能汇刊，34，6，1227-1233，（2012）·doi:10.1109/tpami.2012.57
[11] 罗，Y。；陶，D.C。；耿，B。；徐，C。；Maybank，S.J.，用于半监督多标签图像分类的流形正则化多任务学习，IEEE图像处理汇刊，22，2，523-536，（2013）·Zbl 1373.94269号 ·doi:10.1109/tip.2012.2218825
[12] 贝尔金，M。；Niyogi，P.，用于降维和数据表示的拉普拉斯特征映射，神经计算，15，6，1373-1396，（2003）·Zbl 1085.68119号 ·doi:10.1162/089976603321780317
[13] Bucak，S.S。；金·R。；Jain，A.K.，《视觉对象识别的多核学习：综述》，IEEE模式分析和机器智能学报，36，7，1354-1369，（2014）·doi:10.1109/tpami.2013.212
[14] Gönen，M。；Alpaydñn，E.，《多核学习算法》，《机器学习研究杂志》，第12期，第2211-2268页，（2011年）·Zbl 1254.68204号 ·doi:10.1016/j.patcog.2012.09.02
[15] F.A.托巴尔。；Kung，S.-Y。；Mandic，D.P.，多核最小均方算法，IEEE神经网络和学习系统汇刊，25，2，265-277，（2014）·doi:10.1109/TNNLS.2013.2272594
[16] Xu，Y.-L。；陈德荣。；李海霞。；Liu，L.，和空间中的最小二乘正则回归，IEEE神经网络和学习系统汇刊，24，4，635-646，（2013）·doi:10.1109/TNNLS.2013.2242091
[17] 肖-泰勒，J。；Cristianini，N.，模式分析的核心方法，（2004），英国剑桥：剑桥大学出版社，英国剑桥
[18] 朱晓杰，《半监督学习文献调查》，计算机科学，TR 1530，（2008）
[19] Belhumeur，P.N。；赫斯帕尼亚，J.P。；Kriegman，D.J.，《特征脸与渔夫脸：使用类特定线性投影的识别》，IEEE模式分析与机器智能学报，19，7，711-720，（1997）·doi:10.1109/34.598228
[20] 信德瓦尼，V。；Niyogi，P。；Belkin，M.，《超越点云：从转导学习到半监督学习》，第22届机器学习国际会议论文集（ICML'05）
[21] 朱晓杰。；加赫拉马尼，Z。；Lafferty，J.，使用高斯场和调和函数的半监督学习，第20届机器学习国际会议论文集（ICML'03）
[22] 周，D。；O.布斯克。；拉尔，T·N。；韦斯顿，J。；Scholkopf，B.，《局部和全局一致性学习》，《神经信息处理系统进展》16，（2004）
[23] 聂，F.P。；徐，D。；Tsang，I.W。；Zhang，C.S.，《柔性流形嵌入：半监督和非监督降维框架》，IEEE图像处理汇刊，1921-1932，（2010）·Zbl 1371.94276号 ·doi:10.1109/tip.2010.2044958
[24] Fan，M.Y。；Gu，N.N。；乔·H。；Zhang，B.，半监督分类的稀疏正则化，模式识别，44，8，1777-1784，（2011）·Zbl 1218.68120号 ·doi:10.1016/j.patcog.2011.02.013
[25] 徐建伟。；Paiva，A.R.C。；公园，I。；Principe，J.C.，信息理论学习的再生内核希尔伯特空间框架，IEEE信号处理汇刊，56，12，5891-5902，（2008）·Zbl 1390.68560号 ·doi:10.1109/tsp.2008.2005085
[26] Liwicki，S。；Zafeiriou，S。；齐米罗普洛斯，G。；Pantic，M.，《视觉跟踪和识别用不确定核的高效在线子空间学习》，IEEE神经网络和学习系统学报，23，10，1624-1636，（2012）·doi:10.1109/TNNLS.2012.2208654
[27] 斯拉瓦基斯，K。；Bouboulis等人。；Theodoridis，S.，再生核hilbert空间中的自适应多元回归：多址MIMO信道案例，IEEE神经网络和学习系统交易，23，2，260-276，（2012）·doi:10.1109/tnnls.2011.2178321
[28] 李国强。；Wen，C.Y。；李振国。；张，A.M。；杨，F。；Mao，K.Z.，带内核的基于模型的在线学习，IEEE神经网络和学习系统汇刊，24，3，356-369，（2013）·doi:10.1109/tnnls.2012.229293
[29] Gurram，P。；Kwon，H.，使用希尔伯特空间嵌入进行高光谱分类的上下文SVM，IEEE地球科学和遥感快报，10，510031-1035，（2013）·doi:10.1109/LGRS.20122.227934
[30] 顾毅。；王，S。；Jia，X.，高光谱图像的多核希尔伯特空间光谱分解，IEEE地球科学与遥感汇刊，51，7，3968-3981，（2013）·doi:10.1109/TGRS.20122.227757
[31] 肖尔科夫，B。；Smola，A.J.，《用内核学习》（2001），美国马萨诸塞州剑桥：麻省理工学院出版社
[32] Wu，S。；Amari，S.-I.，《核函数的保角变换：改进支持向量机分类器的数据相关方法》，《神经处理快报》，15，1，59-67，（2002）·Zbl 1008.68741号 ·doi:10.1023/a:1013848912046
[33] Gurram，P。；Kwon，H.，用于高光谱分类问题的基于稀疏核的集成学习，具有完全优化的核参数，IEEE地球科学和遥感汇刊，51，2，787-802，（2013）·doi:10.1109/TGRS.2012.2203603
[34] 黄，J。；袁，P.C。；陈，W.S。；Lai，J.H.，在姿态和光照变化下选择核子空间LDA参数用于人脸图像识别，IEEE系统、人与控制论汇刊B部分：控制论，37，4，847-862，（2007）·doi:10.1109/tsmcb.2007.895328
[35] 兰克里特，G.R。；北卡罗来纳州克里斯蒂亚尼尼。；Bartlett，P。；Ghaoui，L.E。；Jordan，M.I.，用半定规划学习核矩阵，机器学习研究杂志，5，27-72，（2004）·Zbl 1222.68241号
[36] 阿科托马蒙杰，A。；巴赫，F。；卡努，S。；Grandvalet，Y.，SimpleMKL，《机器学习研究杂志》，9，2491-2521，（2008）·Zbl 1225.68208号
[37] Thiagarajan，J.J。；Ramamurthy，K.N。；Spanias，A.，监督和非监督学习的多核稀疏表示，IEEE图像处理汇刊，23，7，2905-2915，（2014）·Zbl 1374.68426号 ·doi:10.1109/TIP.2014.2322938
[38] 西姆·T。；贝克，S。；Bsat，M.，CMU姿势、照明和表情数据库，IEEE模式分析和机器智能汇刊，25，12，1615-1618，（2003）·doi:10.1109/tpami.2003.1251154
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。