正则化最小二乘分类的AlignLoo模型选择方法

被引：1

作者：

杨辉华

王行愚

王勇

高海华

机构：

[1] 华东理工大学信息科学与工程学院

来源：

控制与决策 | 2006年 / 01期

关键词：

核函数; 正则化; 最小二乘法; 分类; 模型选择; 支持向量机;

D O I：

10.13195/j.cd.2006.01.9.yanghh.002

中图分类号：

O241.5 [数值逼近];

学科分类号：

070102 ;

摘要：

正则化最小二乘分类(RLSC)是一种基于二次损失函数的正则化网络,其推广能力受模型参数影响,传统的模型选择方法是耗时的参数网格搜索.为此,提出一种新颖的A lignLoo模型选择方法,其关键在于将核参数与超参数分开优化,即最大化核-目标配准以选择最优核参数,最小化RLSC的留一法误差的界以选择最优超参数.该方法效率高且不需验证样本,并在IDA数据集上进行了测试,结果表明方法有效.

引用

页码：7 / 12

页数：6