MKLasso模型的算法与模型选择

摘要：

在KLasso模型基础之上,引入多核函数与多核参数重新建立的一种更为广发的非线性的多核KLasso模型（MKLasso模型）,采用基于梯度Boosting的思想的算法进行求解,并依据人类观察事物的一个基本特征,即人眼位于数据空间较近时能够看清细节,较远时只能够看清整体结构的特性设计了一种模型选择策略,通过实际的3个数据集设计6组试验,来验证该算法的有效性。模拟试验结果表明：MKLasso模型的预测能力明显优于KLasso模型,其预测均方误差提高了10倍;该算法运行高效,抗噪声能力强,在参数选择方面又有一定自己的优势,可以直接选择核参数,算法大大降低了调试与运算时间。

关键词：Lasso、视觉原理、L1范数正则化、核方法

所属期刊栏目：32

分类号：TP312(计算技术、计算机技术)

资助基金：基金项目:国家自然科学基金项目60975036;中央高校基本科研业务费专项资金项目CHD2011JCll8

在线出版日期：2012-11-12（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：105-110