正则化最小二乘分类的AlignLoo模型选择方法

摘要：

正则化最小二乘分类(RLSC)是一种基于二次损失函数的正则化网络,其推广能力受模型参数影响,传统的模型选择方法是耗时的参数网格搜索.为此,提出一种新颖的AlignLoo模型选择方法,其关键在于将核参数与超参数分开优化,即最大化核-目标配准以选择最优核参数,最小化RLSC的留一法误差的界以选择最优超参数.该方法效率高且不需验证样本,并在IDA数据集上进行了测试,结果表明方法有效.

关键词：核函数、正则化、最小二乘法、分类、模型选择、支持向量机

所属期刊栏目：21

分类号：TP18;TP393(自动化基础理论)

资助基金：国家重点基础研究发展计划973计划2002CB312200;高等学校博士学科点专项科研项目20040251010

在线出版日期：2006-03-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：7-12