文件名称:论文研究-多核学习中基于复合梯度映射的学习算法研究.pdf
文件大小:1.27MB
文件格式:PDF
更新时间:2022-08-11 15:35:02
多核学习,训练样本,随机规划,复合梯度映射,收敛速度,UCI数据集
现有的多核学习算法大多假设训练样本分类完全正确,将其应用到受扰分类样本上时,由于分类存在差错,因此往往只能实现次优性能。为了解决这一问题,首先将受扰分类多核学习问题建模为随机规划问题,并得到一种极小极大表达式;然后提出基于复合梯度映射的一阶学习算法对问题进行求解。理论分析表明,该算法的收敛速度为O(1/T),大大快于传统算法的收敛速度O(1/T)。最后,基于五个UCI数据集的实验结果也验证了本文观点和优化算法的有效性。