汪宝彬,彭超权,李学锋.基于流形正则化和核方法的最小二乘算法[J].中南民族大学学报自然科学版,2017,(4):143-145
基于流形正则化和核方法的最小二乘算法
The Least Square Algorithm Based on Manifold Regularization and Kernel Method
  
DOI:
中文关键词: 流形学习  正则化  最小二乘算法  核方法  再生核希尔伯特空间
英文关键词: manifold learning  regularization  least square algorithm  kernel method  reproducing kernel Hilbert space
基金项目:国家自然科学基金资助项目(11671307) ; 湖北省自然科学基金资助项目(2017CFB523)
作者单位
汪宝彬,彭超权,李学锋 中南民族大学 数学与统计学学院武汉 430074 
摘要点击次数: 227
全文下载次数: 277
中文摘要:
      研究了再生核希尔伯特空间中流形正则化下的最小二乘算法的学习能力和收敛速度. 该算法能够充分利用输入空间的几何特点以及半监督学习中无标记样本的信息,提高算法的有效性和学习效率. 另外, 讨论了该算法中正则参数的选取,这对算法实现具有现实的意义.
英文摘要:
      In this paper, we considered the learning ability and convergence rate of the least square algorithm under the manifold regularization in the Reproducing Kernel Hilbert Space (RKHS) . This algorithm can make full use of the geometric construction characteristics of the input space and improve the validity and the learning efficiency of the classical least square algorithm by extracting the information from the unlabeled data. Moreover, we discussed the choice of the regularization parameter, which is meaningful to the design of the algorithm.
查看全文   查看/发表评论  下载PDF阅读器
关闭