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....

Full description

Saved in:
Bibliographic Details
Published inZi dong hua xue bao no. 8; pp. 1037 - 1050
Main Author 汪洪桥 孙富春 蔡艳宁 陈宁 丁林阁
Format Journal Article
LanguageChinese
Published 2010
Subjects
合成核
回归
多尺度核
多核学习
支持向量机
核方法
模式识别
Online AccessGet full text

Cover

More Information
Summary: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.
Bibliography:multiple kernel learning
regression
11-2109/TP
multi-scale kernel
support vector machine （SVM）
Kernel method; multiple kernel learning; composite kernel; multi-scale kernel; support vector machine （SVM）; pattern recognition; regression
composite kernel
TP31
Kernel method
pattern recognition
ISSN:0254-4156
1874-1029