| 基于相似度差的大间隔快速学习模型 |
| |
| 引用本文： | 应文豪,王士同. 基于相似度差的大间隔快速学习模型[J]. 计算机科学, 2013, 40(8): 239-244,257 |
| |
| 作者姓名： | 应文豪 王士同 |
| |
| 作者单位： | 江南大学数字媒体学院 无锡214122;江南大学数字媒体学院 无锡214122 |
| |
| 基金项目： | 本文受国家自然科学基金项目(61272210,61202311)资助 |
| |
| 摘 要： | 许多模式分类方法比如支持向量机和L2核分类器等都会利用核方法并转化为二次规划问题进行求解,而计算核矩阵需要O(m2)的空间复杂度,求解QP问题则需要O(m3)的时间复杂度,这就使得此类方法在大样本数据上的学习性能非常低下。对此,首次提出了相似度差支持向量机算法DSSVM。算法旨在寻求样本与某类相似度的一个最佳线性表示,并从线性表示的稀疏性以及相似度差意义上的间隔最大化角度构造了新的最优化问题。同时,证明了该算法等价于中心约束型最小包含球问题,这样就可以通过引入最小包含球的快速学习理论将相似度差支持向量机扩展为相似度差核支持向量机DSCVM,从而较好地解决了大规模数据集的分类问题。实验证明了相似度差支持向量机和相似度差核支持向量机的有效性。
|
| 关 键 词： | 相似度差 稀疏 核心集 最小包含球 支持向量机 |
| 收稿时间： | 2012-10-31 |
| 修稿时间： | 2013-03-13 |
Large Margin and Fast Learning Model Based on Difference of Similarity |
| |
| YING Wen-hao and WANG Shi-tong. Large Margin and Fast Learning Model Based on Difference of Similarity[J]. Computer Science, 2013, 40(8): 239-244,257 |
| |
| Authors: | YING Wen-hao and WANG Shi-tong |
| |
| Affiliation: | School of Digital Media,Jiangnan University,Wuxi 214122,China;School of Digital Media,Jiangnan University,Wuxi 214122,China |
| |
| Abstract: | |
| |
| Keywords: | Difference of similarity Sparsity Core set Minimum enclosing ball Support vector machine |
|
| 点击此处可从《计算机科学》浏览原始摘要信息 |
|
点击此处可从《计算机科学》下载全文 |
|
