基於廣義核的多核學習及拓展研究

《基於廣義核的多核學習及拓展研究》是依託東南大學，由薛暉擔任項目負責人的面上項目。

基本介紹

• 中文名：基於廣義核的多核學習及拓展研究
• 項目類別：面上項目
• 項目負責人：薛暉
• 依託單位：東南大學

中文摘要

核方法是機器學習中一類強有力的統計學習技術，被廣泛套用於分類、回歸、聚類等諸多領域。核選擇是核方法的關鍵內容，因其是提高核方法泛化性能的重要一環。多核學習通過利用多個基本核的組合代替單核，將核選擇問題轉化為對組合係數的選擇，有效地改進了核方法。但是，因其大都局限於正定核的凸組合，導致了性能和套用受限。廣義核是一類新興的核，打破了對核的正定性約束，取得了很好的經驗分類效果。然而，現有廣義核方法均基於單核，亦限制了其性能提高。因此，將廣義核方法和多核學習相結合，是提高核方法泛化性能的一種新思路。但是，廣義核的非凸性和多核學習的多參數性，對這種非平凡的結合提出了挑戰。本項目旨在充分考慮兩者特性的基礎上，發展出一個基於廣義核的一般性多核分類學習框架並設計出一系列有效算法，以克服現有不足。重點針對模型構建、非凸最佳化求解、泛化性能分析、實驗對比等方面展開研究，並將在多個學習和套用領域進行深層次拓展。

結題摘要

核方法是機器學習中一類強有力的統計學習技術，被廣泛套用於分類、聚類、特徵選擇等諸多領域。本項目著眼於核方法中的兩個研究熱點——廣義核和多核學習，圍繞基於廣義核的核方法開展了一系列深入與廣泛的研究。在深度上，從基於廣義核的單核分類器模型出發，逐步發展出更具一般性的、充分融合多種核學習範式優點的基於廣義核的多核學習框架。該框架不僅統一刻畫了現有眾多有力的廣義核和多核分類器，而且從中設計出的多種核分類器具有良好的泛化性能。受此框架引導，項目組進一步將其推廣至聚類和特徵選擇等領域，並在多個套用領域中開展了一系列廣泛的研究，其中：1、在分類學習方面的成果有：基於廣義核的多核學習判別性正則化框架、基於廣義核的多核學習主問題框架、利用凸差規劃求解廣義核支持向量機、基於混合範數的廣義核多核學習等；2、在聚類學習方面的成果有：面向兩類和多類問題的廣義核大間隔聚類算法等；3、在特徵選擇方面的成果有：基於廣義核的多核特徵選擇算法等；4、在套用領域的成果有：基於廣義核的多視圖分類、多表情識別、多年齡估計、多基因識別算法等，為將基於廣義核的核學習更好地運用於機器學習領域提供了有益的指導和實踐。