文献类型：期刊文章

作　　者：汪洪桥[1,2] 孙富春[2] 蔡艳宁[1] 陈宁[2] 丁林阁[2]

机构地区：[1]第二炮兵工程学院指挥自动化系,西安710025 [2]清华大学计算机科学与技术系智能技术与系统国家重点实验室清华信息科学与技术国家实验室,北京100084

出　　处：《自动化学报》

基　　金：国家重点基础研究专项基金(G2007cb311003);国家自然科学基金(60625304;60621062)资助~~

年　　份：2010

卷　　号：36

期　　号：8

起止页码：1037-1050

语　　种：中文

收录情况：BDHX、BDHX2008、CSCD、CSCD2011_2012、EI(收录号：20103613222049)、IC、INSPEC、JST、MR、PUBMED、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：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.

关 键 词：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  

分 类 号：TP181]