×
阮、灿浩;何屠宝

一种有效的核矩阵评估方法。 （英语） Zbl 1154.68469号

模式识别 41，第11号，3366-3372（2008）.
摘要：我们研究了分类任务中核矩阵优度的评估问题。由于核矩阵评估通常用于其他昂贵的过程，如特征和模型选择，因此必须有效计算优度测度。除了内核目标对齐（KTA）可以用（O（n^{2}）时间复杂度计算外，大多数以前的方法都是无效的。虽然KTA被广泛使用，但我们发现它有一些严重的缺陷。基于类在特征空间中的数据分布，我们提出了一种有效的替代测度来评估核矩阵的优度。该测度不仅克服了KTA的局限性，而且还具有不变性、效率和误差界保证等其他性质。对比实验表明，该测度很好地反映了核矩阵的优度。

引用于5文件

MSC公司：

68T05型 人工智能中的学习和自适应系统
68吨10 模式识别、语音识别

关键词：

分类;内核方法;核矩阵质量度量;核目标对准;类可分性测度
PDF格式BibTeX公司 XML格式引用
\textit｛C.H.Nguyen｝和\textit｛T.B.Ho｝，模式识别41，编号113366-3372（2008；Zbl 1154.68469）
全文： DOI程序

参考文献：

[1] Schölkopf，B。；Smola，A.J.，《与内核一起学习》（2002），麻省理工学院出版社：麻省理学院出版社，剑桥
[2] 肖-泰勒，J。；Cristianini，N.，《模式分析的核心方法》（2004），剑桥大学出版社：剑桥大学出版社，纽约州纽约市，美国
[3] Vapnik，N.V.，《统计学习理论的本质》（2000），Springer:Springer New York，NY·兹比尔0934.62009
[4] Schölkopf，B。；Smola，A.J。；Müller，K.-R.，核主成分分析，（核方法的进展：支持向量学习（1999）），327-352
[5] Wahba，G.，观测数据的样条模型，（CBMS-NSF应用数学区域会议系列，第59卷（1990），SIAM:SIAM Philadelphia）·兹伯利0813.62001
[6] 罚款，S。；Scheinberg，K.，《使用低阶核表示的高效SVM训练》，J.Mach。学习。第2号决议，243-264（2002年）·Zbl 1037.68112号
[7] Ong，C.S。；Smola，A.J。；Williamson，R.C.，《用超内核学习内核》，J.Mach。学习。第6号决议，1043-1071（2005）·Zbl 1222.68277号
[8] 北卡罗来纳州克里斯蒂亚尼尼。；肖-泰勒，J。；Elisseeff，A。；Kandola，J.，《关于核-目标对齐》（Dietterich，T.G.；Becker，S.；Ghahramani，Z.，《神经信息处理系统的进展》（2001），麻省理工学院出版社：麻省理学院出版社剑桥，MA）
[9] 柳叶刀，G.R.G。；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》，J.Mach。学习。研究，5，27-72（2004）·Zbl 1222.68241号
[10] Neumann，J。；施诺尔，C。；Steidl，G.，基于SVM的特征选择和分类组合，马赫。学习。，61, 1-3, 129-150 (2005) ·Zbl 1137.90643号
[11] 吴，M。；Farquhar，J.，用于非线性特征提取的子空间核，（Veloso，M.M.，国际人工智能会议（2007）），1125-1130
[12] 郭敬通（Kwok，J.T.）。；Tsang，I.W.，用理想内核学习（2003年国际机器学习会议），400-407
[13] 克拉默，K。；Keshet，J。；Singer，Y.，使用增强的内核设计，（神经信息处理系统进展（2002）），537-544
[14] 坎多拉，J。；北卡罗来纳州克里斯蒂亚尼尼。；Shawe-Taylor，J.，学习语义相似性，（神经信息处理系统进展，第15卷（2003））
[15] 坎多拉，J。；Shawe-Taylor，J.，《为回归和不均匀分类问题细化核》（Bishop，C.；Frey，B.，《第九届人工智能与统计国际研讨会论文集》（2003））
[16] 博伊德，S。；Vandenberghe，L.，《凸优化》（2004），剑桥大学出版社：剑桥大学出版社，美国纽约州纽约市·Zbl 1058.90049号
[17] Meila，M.，《特征空间中的数据中心化》（Bishop，C.M.；Frey，B.J.，第九届人工智能和统计国际研讨会（2003年））
[18] 格雷斯泰恩，I.S。；Ryzhik，I.M.，《积分、系列和产品表》（2000），学术出版社：加州圣地亚哥学术出版社·兹伯利0981.65001
[19] Gartner，T.公司。；劳埃德，J.W。；Flach，P.A.，《结构化数据的内核和距离》，马赫。学习。J.，57，3，205-232（2004）·Zbl 1079.68086号
[20] Jebara，T。；康多，R。；Howard，A.，概率积核，J.Mach。学习。研究，5819-844（2004）·Zbl 1222.68226号
[21] Feller，W.，《概率论及其应用导论》，第2卷（1971年），Wiley:Wiley纽约·Zbl 0219.60003号
[22] 贾普科维奇，N。；斯蒂芬，S.，《阶级不平衡问题：系统研究》，《知识分子》。数据分析。，6, 5, 429-449 (2002) ·Zbl 1085.68628号
[23] 柳叶刀，G.R.G。；Ghaoui，L.E。；巴塔查里亚，C。；Jordan，M.I.，《稳健的最小极大分类法》，J.Mach。学习。研究，3，555-582（2002）·Zbl 1084.68657号
[24] 王丽萍，陈家乐，利用类可分性测度学习核参数，载《神经信息处理系统的进展》，第六届核机器研讨会，加拿大，2002年。；L.Wang，K.L.Chan，使用类可分性度量学习核参数，载于：神经信息处理系统的进展，核机器第六次研讨会，加拿大，2002年。
[25] Fukunaga，K.，《统计模式识别导论》（1990），学术出版社：纽约学术出版社·Zbl 0711.62052号
[26] A.Globerson。；Roweis，S.，通过折叠类进行度量学习，（Weiss，Y.；Schölkopf，B.；Platt，J.，《神经信息处理系统的进展》，第18卷（2006年），麻省理工学院出版社：麻省理学院出版社剑桥，马萨诸塞州），451-458
[27] 米卡，S。；Rätsch，G。；韦斯顿，J。；Schölkopf，B。；Müller，K.-R.，Fisher核判别分析，（Hu，Y.-H.；Larsen，J.；Wilson，E.；Douglas，S.，《信号处理神经网络IX》（1999），IEEE），41-48
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。