《1範數正則支持向量機及其壓縮機器學習框架》是依託西安電子科技大學，由張莉擔任項目負責人的面上項目。
基本介紹
- 中文名：1範數正則支持向量機及其壓縮機器學習框架
- 項目類別：面上項目
- 項目負責人：張莉
- 依託單位：西安電子科技大學
中文摘要,結題摘要,
中文摘要
學習機的稀疏性對機器學習起著重要作用，一來可以實現特徵選擇和提取，從而降低對採樣速率的要求，提高檢驗速度；二則可以避免過擬合，提高學習機的推廣能力。1範數正則作為所有可以誘導稀疏性的p範數（0）
結題摘要
本項目對L1-SVM方法進行了深入研究，並提出了基於L1-SVMs的壓縮機器學習框架。具體的工作如下：首先提出L1-SVR和L1-SVND學習機，研究L1-norm SVM的稀疏性，從理論上界定其稀疏性界及其漸進界，並證明L1-SVM具有優於標準SVM的稀疏性；證明了大規模方陣不等式約束線性規劃中列稀疏性的存在性；證明了行列稀疏約束規劃與其簡化規劃，即行列稀疏約束擴展規劃的等價性；疊代構造行列稀疏約束擴展規劃並證明構造性定理；提出串列和並行行列生成算法以及行列生成算法中的工作集維護準則，並證明行列生成算法的有限步收斂特性；提出列生成Newton 方法和OMP方法用於快速求解L1-SVMs；提出基於L1-SVMs的壓縮機器學習框架，研究基於Mercer核特徵的稀疏採樣技術；將L1-SVMs快速大規划算法以及壓縮機器學習技術套用到在SAR圖像、人臉圖像和人體視頻目標檢測中。
