多核学习方法
多核学习方法是当前核机器学习领域的一个新的热点.核方法是解决非线性模式分析问题的一种有效方法,但在一些复杂情形下,由单个核函数构成的核机器并不能满足诸如数据异构或不规则、样本规模巨大、样本不平坦分布等实际的应用需求,因此将多个核函数进行组合,以获得更好的结果是一种必然选择.本文根据多核的构成,从合成核、多尺度核、无限核三个角度,系统综述了多核方法的构造理论,分析了多核学习典型方法的特点及不足,总结了各自的应用领域,并凝炼了其进一步的研究方向.
核方法、多核学习、合成核、多尺度核、支持向量机、模式识别、回归
36
TP3(计算技术、计算机技术)
国家重点基础研究专项基金G2007cb311003;国家自然科学基金60625304;60621062
2010-09-29(万方平台首次上网日期,不代表论文的发表时间)
1037-1050