文献类型：期刊文章

作　　者：陈峻婷[1] 蔡彩云[2]

CHEN Junting;CAI Caiyun(Modern Education Technology Center,Gannan Normal University,Ganzhou 341000,China;Labour Union,Gannan Normal University,Ganzhou 341000,China)

机构地区：[1]赣南师范大学现代教育技术中心,江西赣州341000 [2]赣南师范大学工会,江西赣州341000

出　　处：《赣南师范大学学报》

基　　金：国家自然科学基金项目(61966002)。

年　　份：2021

卷　　号：42

期　　号：3

起止页码：92-96

语　　种：中文

收录情况：NSSD、RCCSE、RWSKHX、普通刊

摘　　要：核选择是核方法研究的关键内容,多核学习利用多个基核的组合代替单个核,将核选择问题转化为对组合系数的选择,有效地改进了核方法.提出一种基于中心化核对齐的二阶段多核学习方法,与传统的一阶段多核学习方法相比,该算法不仅求解效率较高,而且具有清晰的统计解释.理论分析表明,该算法不仅能显式地最大化基核的组合与输出标签之间的依赖关系,而且能隐式地最小化基核之间的冗余关系.UCI公用数据集上的实验结果表明,与经典的多核学习方法相比,该算法能显著地提高分类准确率.

关 键 词：多核学习 核对齐  核选择  核方法 支持向量机  

分 类 号：TP181]