资料下载
×
基于AdaBoost框架的弹性正则化多核学习算法
消耗积分:0 |
格式:pdf |
大小:1.92 MB |
2021-06-03
分享资料个
在正则化多核学习中，稀疏的核函数权值会导致有用信息丢失和泛化性能退化，而通过非稀疏模型选取所有核函数则会产生较多的冗余信息并对噪声敏感。针对上述问题，基于 Adaboost框架提出一种弹性网型正则化多核学习算法。在迭代选取基本分类器时对核函数的权值进行弹性网型正则化约束，即混合L1范数和L。范数约束，构造基于多个基本核最优凸组合的基本分类器，并将其集成到最终的强分类器中。实验结果表明，该算法在保留集成算法优势的同时，能够实现核函数权值稀疏性和非稀疏性的平衡，与L-MKL和L-MKL算法相比，能够以较少的迭代次数获得分类精度较高的分类器。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
