《多核學習最佳化模型的研究及套用》是依託中國礦業大學，由梁志貞擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：多核學習最佳化模型的研究及套用
- 項目類別：青年科學基金項目
- 項目負責人：梁志貞
- 依託單位：中國礦業大學
項目摘要,結題摘要,
項目摘要
多核學習方法不僅能在某種程度上克服核學習方法中核參數的選擇問題,而且能為融合各種數據源提供了一種新的組合策略。多核學習方法目前已被套用到模式識別領域和機器學習領域中並且取得了較好的效果。在本項目的研究中，我們將首先探討如何分組多個核函式，然後利用支持向量機的準則或鑑別準則建立相應的最佳化模型，最後利用最佳化理論中的交替最佳化等一些最佳化算法來解決提出的最佳化模型。在本項目的研究中，我們不僅注重最佳化模型的建立和其有效算法的實現，而且也關注多核學習算法在多模態生物特徵識別中的套用。通過本項目的研究，我們將為多核學習理論提供一些新的最佳化模型，新的快速算法以及它們在實際數據集上的套用。
結題摘要
多核學習方法不僅能在某種程度上克服核學習方法中核參數的選擇問題,而且能為融合各種數據源提供了一種新的組合策略。國內外研究人員對這類問題的研究很重視。我們針對多核學習一些關鍵問題進行了深入研究。首先我們提出了在原空間的半監督的Lp範數多核學習。在該模型中，我們採用在原空間中求解模型使得其算法更加高效,進一步我們也依據經驗Rademacher 複雜性對模型進行了理論分析。根據這種複雜性，我們也推出了平均核模型。其次，我們提出了用MM方法來解決Lq範數的多核學習問題，該模型推廣了原有Lp範數的多核學習模型且我們的算法能處理模型的非凸性。我們也在二次核的基礎上，通過對每個特徵引入一個參數來建立多參數的核學習模型並提出快速算法。另外，在不確定規劃的基礎上，我們利用KL散度來建立一種多核學習模型且給出快速算法。總之，通過本項目的實施，我們為多核學習理論提供了一些新的最佳化模型，新的快速算法以及它們在實際數據集上的套用。
