在线支持张量机

摘要：

基于随机梯度下降法,提出了在线支持张量机(online support tensor machine,OSTM)算法.该算法的学习数据是张量模式,并以序列方式获取.算法利用张量秩一分解来代替原始张量辅助内积运算,不仅保持了原始张量的自然结构信息和关系,也极大地节省了存储空间和计算时间.在13个张量数据集上的实验表明,与在线支持向量机相比,在拥有可比的测试精度的情况下,在线支持张量机具有更快的训练速度,尤其对于高阶张量,其优越性更明显.

关键词：在线学习、支持张量机、支持向量机、张量秩一分解

所属期刊栏目：7

分类号：TP181(自动化基础理论)

资助基金：The National Natural Science Foundation of China under Grant No.61273295;the Fundamental Research Funds for the Central Universities of China under Grant No.2012ZM0061

在线出版日期：2013-08-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：611-619