×
黄双平;金莲雯;薛昆南;方、袁

具有多类视觉分类应用程序的数据相关多核组合模型的在线原始-对偶学习。 （英语） Zbl 1390.68533号

信息科学。 320, 75-100 (2015).
摘要：随着样本或类数量的增加，视觉分类的任务变得非常具有挑战性。这主要是由于内存需求大或语义空间拥挤，导致类分离困难。本文提出了一种新的方法OPrDuM2（在线原始-对偶多核多类）。这种新算法可以显著降低视觉分类的复杂性。在该方法中，使用优雅的异构特征融合机来合并互补的类鉴别信息，并使用在线学习来处理大样本。具体地说，通过扩展多核学习模型，定义了一个以非线性方式融合多个异构特征的数据相关多核机器，并使用多元铰链损失和保守更新规则来增加模型中的样本级稀疏性。给定样本、特征和类的固有层次结构，利用具有强凸性的创新三重混合形式正则化器来促进优化。使用对偶语言导出了迭代解，得到了低遗憾界\（O\左（\sqrt{T}\右）\），其中\（T\）是在线迭代次数。本文详细证明了该算法的收敛性，并描述了大量可视化数据分类实验，证明了该新方法的有效性和鲁棒性。

引用于1文件

理学硕士：

68T05型 人工智能中的学习和自适应系统

关键词：

数据相关的多核组合模型;多类视觉分类;在线学习;原始-双重学习

软件：

SHOGUN公司;伦敦银行支持向量机;辣味MKL;SIFT公司;加州理工大学-256;伦敦银行同业拆借利率
PDF格式BibTeX公司 XML格式引用
\textit{S.Huang}等人，《信息科学》。320，75-100（2015年；兹比尔1390.68533）
全文： 内政部

参考文献：

[3] Ben-Hur，A。；霍恩，D。；Siegelmann，H.T。；Vapnik，V.，支持向量聚类，J.Mach。学习。决议，2125-137（2001）·Zbl 1002.68598号
[5] 布热津斯基，D。；Stefanowski，J.，《将基于块的方法与在线方法相结合，从概念漂移数据流中学习集成》，《信息科学》。，265, 1, 50-67 (2014) ·Zbl 1328.68158号
[6] Buhmann，M.D.，《径向基函数：理论与实现》（2003），剑桥大学出版社：剑桥大学出版社，加利福尼亚州剑桥·Zbl 1038.41001号
[18] Gönen，M。；Alpaydñn，E.，多核学习的本地化算法，模式记录。，46, 3, 795-807 (2013) ·Zbl 1254.68204号
[20] Gönen，M。；Alpaydñn，E.，《多核学习算法》，J.Mach。学习。第12号决议，2211-2268（2011年）·Zbl 1280.68167号
[23] 海，S.C.H。；Wang，J。；Zhao，P.，LIBOL:在线学习算法库，J.Mach。学习。决议，第15号，第495-499页（2014年）·Zbl 1317.68164号
[24] 海，S.C.H。；金·R。；赵，P。；Yang，T.，在线多核分类，马赫。学习。，90, 289-316 (2013) ·Zbl 1260.68332号
[26] 黄，S。；Jin，L。；方，Y。；Wei，X.，用于视觉识别的在线异构特征融合机，神经计算，123，1010-109（2014）
[29] Abdul Karim，医学硕士。；Wong，K.S.，使用双重语义代码的通用域数据融合，Inf.Sci。，283, 1, 123-141 (2014)
[33] Kloft，M。；英国布雷菲尔德。；Sonnenburg，S。；Zien，A.，Lp-范数多核学习，J.Mach。学习。决议，12953-997（2011）·兹比尔1280.68173
[34] Kloft，M。；Blanchard，G.，关于Lp-范数多核学习的收敛速度，J.Mach。学习。第132465-2502号决议（2012年）·Zbl 1433.68356号
[37] 柳叶刀，G。；北卡罗来纳州克里斯蒂亚尼尼。；Ghaoui，L.E。；Bartlett，P。；Jordan，M.，《用半定规划学习核矩阵》，J.Mach。学习。研究，5，27-72（2004）·Zbl 1222.68241号
[38] LeCun，Y。；博图，L。；本吉奥，Y。；Haffner，P.，《基于梯度的学习应用于文档识别》，Proc。IEEE，86，11，2278-2324（1998）
[40] 杠杆G。；Diethe，T。；Shawe-Taylor，J.，《近线性时间中的数据依赖核》，J.Mach。学习。研究，22，685-693（2012）
[43] Lowe，D.，《不同尺度关键点的独特图像特征》，《国际比较杂志》。可见。，60, 2, 91-110 (2004)
[47] 米切利，C。；Pontil，M.，通过正则化学习核函数，J.Mach。学习。第6号决议，1099-1125（2005）·Zbl 1222.68265号
[50] Ojala，T。；Pietikainen，M。；Maenpaa，T.，具有局部二进制模式的多分辨率灰度和旋转不变纹理分类，IEEE Trans。模式分析。机器。智力。，24, 7, 971-987 (2002)
[51] 奥利瓦，A。；Torralba，A.，《场景形状建模：空间包络线的整体表示》，《国际比较杂志》。可见。，42, 3, 145-175 (2001) ·Zbl 0990.68601号
[55] van de Sande，K.E.A。；Gevers，T。；斯诺克，C.G.M.，评估物体和场景识别的颜色描述符，IEEE Trans。模式分析。机器。智力。，32, 9, 1582-1596 (2010)
[58] 沙列夫·施瓦茨，S。；Singer，Y.，通过多面体上的软投影有效学习标签排名，J.Mach。学习。第71567-1599号决议（2006年）·Zbl 1222.68302号
[60] 邵，L。；吴博士。；Li，X.，《学习深度和广度：学习深度网络的谱方法》，IEEE Trans。神经网络。学习。系统。，25, 12, 2303-2308 (2014)
[61] 邵，L。；朱，F。；Li，X.，视觉分类的迁移学习：一项调查，IEEE Trans。神经网络。学习。系统。，PP，99，1-16（2014）
[62] 邵，L。；刘，L。；Li，X.，通过多目标遗传编程进行图像分类的特征学习，IEEE Trans。神经网络。学习。系统。，25, 7, 1359-1371 (2014)
[65] Sonnenburg，S。；Rätsch，G.等人。；Schäfer，C。；Schölkopf，B.，大规模多核学习，J.Mach。学习。第7号决议，1531-1565（2006）·兹比尔1222.90072
[66] Sonnenburg，S。；Rätsch，G。；Schäfer，C.，学习生物序列分类的可解释SVM，BMC Bioinf。，389-407 (2005) ·Zbl 1119.92334号
[67] 铃木，T。；Tomioka，R.，SpicyMKL：一种具有数千个内核的多内核学习快速算法，J.Mach。学习。研究，85，77-108（2011）·Zbl 1237.68166号
[68] 萨夫兰斯基，M。；Grandvalet，Y。；Rakotomamonjy，A.，复合内核学习，J.Mach。学习。决议，79，73-103（2010年）·Zbl 1470.68184号
[71] Tibshiranit，R.，《通过LASSO，J.Roy进行回归收缩和选择》。统计师。Soc.序列号。B方法。，58, 1, 267-288 (1996) ·兹比尔0850.62538
[76] 王，Z。；崔，P。；李，F。；Chang，E。；Yang，S.，图像特征提取与融合的数据驱动研究，信息科学。，281, 10, 536-558 (2014)
[77] 夏，Y。；Leung，H.，统计最优数据融合算法的性能分析，信息科学。，277, 1, 808-824 (2014) ·Zbl 1359.62274号
[79] Xu，X。；Tsang，I.W。；Xu，D.，软边界多核学习，IEEE Trans。神经网络。学习。系统。，24, 3, 749-761 (2013)
[81] Yang，H。；徐，Z。；Ye，J。；国王一世。；Lyu，M.R.，高效稀疏广义多核学习，J.神经网络。，22, 3, 433-446 (2011)
[82] Ye，J。；季S。；Chen，J.，通过凸规划进行多类判别核学习，J.Mach。学习。第9719-758号决议（2008年）·Zbl 1225.68223号
[83] Yeh，C.Y。；黄，C.W。；Lee，S.J.，用于多类分类的多核支持向量聚类，J.Mach。学习。第6、6、1-18号决议（2010年）
[84] Ying，Y.M。；黄，K.Z。；Campbell，C.，通过新型数据集成方法增强蛋白质折叠识别，BMC Bioinf。，10267（2009年）
[86] Yu，S。；Falck，T。；Daemen，A。；特拉谢万特，L.-C。；苏肯斯，J。；De Moor，B。；Moreau，Y.，L2-形式多核学习及其在生物医学数据融合中的应用，BMC Bioinf。，11, 309-332 (2010)
[88] 朱，F。；Shao，L.，Weakly-supervised cross-domain dictionary learning for visual recognition，国际比较杂志。可见。，109, 1-2, 42-59 (2014) ·Zbl 1328.68255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。