基于随机优化的大规模噪声数据集快速学习方法

作者：王家宝

来源：模式识别与人工智能, 2013, (04): 366-373.

• 大规模机器学习
• 支持向量机
• Ramp损失
• 随机梯度下降 Large-Scale Machine Learning
• Support Vector Machine
• Ramp Loss
• Stochastic Gradient Descent

针对包含噪声与干扰数据的大规模机器学习问题,采用非凸Ramp损失函数抑制噪声和干扰数据的影响,提出一种基于随机优化的非凸线性支持向量机快速学习方法,有效改进训练速度和预测精度.实验结果表明该方法降低学习时间,在MNIST数据集上较传统学习方法的训练时间降低4个数量级.同时在一定程度上改进预测速度,并有效提升分类器对噪声数据集的泛化性能.

• 单位
  中国人民解放军陆军工程大学