SVM+模型中可用信息用作特权信息

摘要：

在机器学习中,当测试阶段无法得到训练阶段拥有的特权信息时,特权学习(learning using privileged information,LUPI)是一个有效的解决框架.由于获取特权信息需要特殊的条件,或由于其他原因,往往不能获得全部训练样本的特权信息,因此提出了一种直观却有效的方法.对于缺失特权信息的这部分训练样本,将它们的可用信息同时用作特权信息,并将其纳入到支持向量机(support vector machine+,SVM+)的模型中,引入了一种新的扩展SVM+(extended SVM+,eSVM+)模型.进一步地,对于不涉及特权信息的常规有监督学习问题,也将训练样本的特征(可用信息)同时用作特权信息,引出一种新的扩展SVM模型(eSVM),eSVM也可认为是SVM+的特例.在两个公开的人脸表情数据库BU-3DFE和Bosphorus上进行了实验,结果证实了将可用信息用作特权信息策略的有效性.

关键词：特权学习、可用信息、特权信息、支持向量机

所属期刊栏目：23

分类号：TP391.41(计算技术、计算机技术)

资助基金：教育部科学技术研究重点资助项目212053;上海市自然科学基金资助项目16ZR1411100

在线出版日期：2017-09-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：524-534