文献类型：期刊文章

作　　者：王梅[1,2] 李董[1] 孙莺萁[1] 宋考平[2,3] 廖士中[4]

机构地区：[1]东北石油大学计算机与信息技术学院,大庆163318 [2]北京德威佳业科技有限公司博士后科研工作站,北京100020 [3]东北石油大学教育部提高油气采收率重点实验室,大庆163318 [4]天津大学计算机科学与技术学院,天津300072

出　　处：《模式识别与人工智能》

基　　金：国家自然科学基金项目(No.61502094;51774090);黑龙江省科学基金项目(No.F2015020;F2016002;E2016008);北京市博士后工作经费项目(No.2015ZZ-120);北京市朝阳区博士后工作经费项目(No.2014ZZ-14);东北石油大学校培育基金项目(No.XN2014102);东北石油大学计算机与信息技术学院青年基金项目资助~~

年　　份：2018

卷　　号：31

期　　号：2

起止页码：190-196

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2017_2018、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：多核学习在处理异构、不规则和分布不平坦的样本数据时表现出良好的灵活性和可解释性.针对精确正则化路径算法难以处理大规模样本数据的问题,文中提出正则化路径近似算法.根据采样分布函数进行抽样,在原始核矩阵的基础上生成近似矩阵,同时在拉格朗日乘子向量中抽取对应行,实现矩阵乘积的近似计算,提高多核学习正则化路径的求解效率.最后分析多核学习正则化路径近似算法的近似误差界和计算复杂性.在标准数据集上的实验验证文中算法的合理性和计算效率.

关 键 词：多核学习 正则化路径  矩阵近似  MONTE CARLO方法

分 类 号：TP181]