基于原问题求解的非稀疏多核学习方法

摘要：

传统的多核学习方法通常将原问题转换为其对偶问题再进行求解，但直接求解原问题比求解对偶问题有更好的收敛属性。为此，文中提出了一种在原问题上求解、LP 范数约束的非稀疏多核学习算法，首先采用次梯度和改进的拟牛顿法求解支持向量机（ SVM），然后通过简单计算求解基本核的权系数。由于拟牛顿法具有二次收敛性，并且不需要计算二阶导数来得到Hessian矩阵的逆，因此文中算法具有更快的收敛速度。仿真结果表明，文中算法不仅具有较好的分类精度和泛化性能，还具有较快的收敛速度及很好的可扩展性。

关键词：多核学习、拟牛顿法、两步优化、支持向量机

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金资助项目11301106；广西自然科学基金资助项目2014GXNSFAA1183105；广西高校科研重点资助项目ZD2014147；广西高校科研项目YB2014431；桂林航天工业学院科研基金资助项目Y12Z028@@@@sSupported by the National Natural Science Foundation of China11301106;the Natural Science Foundation of Guangxi Province2014GXNSFAA1183105

在线出版日期：2015-08-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：78-85