基于間隔遷移的多視角支持向量機(jī)
摘要：針對同一對象從不同途徑或不同層面獲得的特征數(shù)據(jù)被稱為多視角數(shù)據(jù).多視角學(xué)習(xí)是利用事物的多視角數(shù)據(jù)進(jìn)行建模求解的一種新的機(jī)器學(xué)S方法.大量研宄表明,多視角數(shù)據(jù)共同學(xué)習(xí)可以顯著提高模型的學(xué)習(xí)效果,因此許多相關(guān)模型及算法被提出.多視角學(xué)習(xí)一般需遵循一致性原則和互補(bǔ)性原則.基于一致性原則,Farquhar等人成功地將支持向量機(jī)(Support Vector Machine,SVM)和核典型相關(guān)分析(Kernel Canonical Correlation Analysis,KCCA)整合成一個單獨的優(yōu)化問題,提出SVM-2K模型.但是,SVM-2K模型并未充分利用多視角數(shù)據(jù)間的互補(bǔ)信息.因此,在SVM-2K模型的基礎(chǔ)之上,提出了基于間隔遷移的多視角支持向量機(jī)模型(Margin transfer-based multi-view support vector machine,M2SVM),該模型同時滿足多視角學(xué)習(xí)的一致性和互補(bǔ)性兩原則.進(jìn)一步地,從一致性的角度對其進(jìn)行理論分析,并與SVM-2K比較,揭示了M2SVM比SVM-2K更為靈活.最后,在大量的多視角數(shù)據(jù)集上驗證了M2SVM模型的有效性.
注：因版權(quán)方要求，不能公開全文，如需全文，請咨詢雜志社。
運(yùn)籌學(xué)學(xué)報雜志
運(yùn)籌學(xué)學(xué)報雜志， 季刊，本刊重視學(xué)術(shù)導(dǎo)向，堅持科學(xué)性、學(xué)術(shù)性、先進(jìn)性、創(chuàng)新性，刊載內(nèi)容涉及的欄目：運(yùn)籌學(xué)各領(lǐng)域的最新進(jìn)展、動態(tài)、理論、成果等。于1997年經(jīng)新聞總署批準(zhǔn)的正規(guī)刊物。
- 北大期刊
- CSCD期刊
- 統(tǒng)計源期刊
- 1-3個月審核
