基于原问题求解的非稀疏多核学习方法

作者：胡庆辉; 丁立新; 刘晓刚; 李照奎

来源：华南理工大学学报(自然科学版), 2015, 43(05): 78-85.

• 多核学习
• 拟牛顿法
• 两步优化
• 支持向量机

传统的多核学习方法通常将原问题转换为其对偶问题再进行求解,但直接求解原问题比求解对偶问题有更好的收敛属性.为此,文中提出了一种在原问题上求解、LP范数约束的非稀疏多核学习算法,首先采用次梯度和改进的拟牛顿法求解支持向量机(SVM),然后通过简单计算求解基本核的权系数.由于拟牛顿法具有二次收敛性,并且不需要计算二阶导数来得到Hessian矩阵的逆,因此文中算法具有更快的收敛速度.仿真结果表明,文中算法不仅具有较好的分类精度和泛化性能,还具有较快的收敛速度及很好的可扩展性.

• 单位
  软件工程国家重点实验室; 桂林航天工业学院