-
题名弹球支持张量机分类器
- 1
-
-
作者
余可鸣
韩乐
杨晓伟
-
机构
华南理工大学数学学院
华南理工大学软件学院
-
出处
《模式识别与人工智能》
EI
CSCD
北大核心
2016年第7期598-607,共10页
-
基金
国家自然科学基金项目(No.11501219
61273295)资助~~
-
文摘
机器学习、模式识别、数据挖掘等领域中的输入模式常常是高阶张量.文中首先从向量模式推广到张量模式,提出弹球支持张量机模型.然后给出求解弹球支持张量机模型的序贯最小优化算法(SMO).为了保持张量的自然结构信息,同时加速训练过程,采用张量的秩-1分解代替原始张量计算张量内积.在向量数据和张量数据上进行的大量实验表明:对于向量数据,相比经典的积极集法,SMO的计算速度更快;对于张量数据,相比弹球支持向量机,弹球支持张量机具有更快的训练速度和更好的泛化能力.
-
关键词
弹球支持向量机(pin—SVM)
弹球支持张量机(pin-stm)
秩-1分解
序贯最小优化算法(SMO)
-
Keywords
Support Vector Machine Classifier with Pinball Loss （pin-SVM） , Support Tensor Machine Classifier with Pinball Loss （pin-stm）, Rank-One Decomposition, Sequential Minimal Optimization （SMO）
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
