基于局部空间变稀疏约束的多核学习方法

被引：3

作者：

王庆超

付光远

汪洪桥

辜弘扬

王超

机构：

[1] 火箭军工程大学信息工程系

来源：

电子学报 | 2018年 / 46卷 / 04期

关键词：

多核学习; 支持向量机; 局部学习; 变稀疏约束;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

局部多核学习方法根据样本所在局部空间特性选择特定的核函数组合方式,具有较好的判别能力.本文提出了一种基于局部空间变稀疏约束的多核学习方法,首先依据样本在特征空间的分布情况以软分组的方式将训练数据划分为若干数据子集.以数据子集为单位,根据在相应的局部空间内的核函数相似程度,调整核组合的稀疏程度,使用交替优化的方法进行求解.实验表明本文方法对于区分特征学习和对抗噪声方面具有的优势,因此也使得在图像场景分类问题上的准确率和稳定性得到明显提高.

引用

页码：930 / 937

页数：8

共 9 条

[1] 多核学习融合局部和全局特征的人脸识别算法 [J].

杨赛 ;

赵春霞 ;

刘凡 .

电子学报, 2016, 44 (10) :2344-2350

[2] 基于多核稀疏编码的三维人体姿态估计 [J].

余家林 ;

孙季丰 ;

李万益 .

电子学报, 2016, 44 (08) :1899-1908

[3] 一种基于拓扑约束的多核跟踪算法 [J].

苏娟 ;

王百合 ;

刘代志 .

电子学报, 2015, 43 (02) :353-357

[4]

基于E~2LSH-MKL的视觉语义概念检测.[J].张瑞杰;郭志刚;李弼程;高毫林;.自动化学报.2012, 10

[5] 一种基于稀疏编码的多核学习图像分类方法 [J].

亓晓振 ;

王庆 .

电子学报, 2012, 40 (04) :773-779

[6]

多核学习方法.[J].汪洪桥;孙富春;蔡艳宁;陈宁;丁林阁;.自动化学报.2010, 08

[7] Two-stage multiple kernel learning for supervised dimensionality reduction [J].

Nazarpour, Abdollah ;

Adibi, Peyman .

PATTERN RECOGNITION, 2015, 48 (05) :1854-1862

[8] Localized algorithms for multiple kernel learning [J].

Gonen, Mehmet ;

Alpaydin, Ethem .

PATTERN RECOGNITION, 2013, 46 (03) :795-807

[9]

Learning generative visual models from few training examples: An incremental Bayesian approach tested on 101 object categories.[J].Li Fei-Fei;Rob Fergus;Pietro Perona.Computer Vision and Image Understanding.2006, 1

← 1 →