基于协同聚类的多核学习

被引：3

作者：

牟少敏

田盛丰

尹传环

机构：

[1] 北京交通大学计算机与信息技术学院

来源：

北京交通大学学报 | 2008年 / 02期

关键词：

协同聚类; 多核学习; 核函数; 支持向量机;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

针对实际应用中经常出现的异类数据源,采用多核学习的支持向量机受到关注.然而随着核函数数量的增多,计算量也随之大大增加.为了解决这一问题,该提出了一种利用协同聚类对多核支持向量机的训练数据进行简化的方法,可以减少支持向量机的数目,从而减少计算量.实验结果显示,提出的方法可以提高多核支持向量机的效率,同时还不会影响分类精度.

引用

页码：10 / 13

页数：4

共 4 条

[1] 模糊多类支持向量机及其在入侵检测中的应用 [J].

李昆仑 ;

黄厚宽 ;

田盛丰 ;

刘振鹏 ;

刘志强 .

计算机学报, 2005, (02) :274-280

[2] 基于支持向量机的入侵检测系统 [J].

饶鲜 ;

董春曦 ;

杨绍全 .

软件学报, 2003, (04) :798-803

[3] Gene Selection for Cancer Classification using Support Vector Machines [J].

Isabelle Guyon ;

Jason Weston ;

Stephen Barnhill ;

Vladimir Vapnik .

Machine Learning, 2002, 46 :389-422

[4]

Multiple KernelLearning,Conic Duality,and the SMO Algorithm .2 Bach F R,Lanckriet G R G,Jordan M I. ICML . 2004

← 1 →