.png){kind=icon}
返回
An Efficient Multiple Empirical Kernel Learning Algorithm with Data Distribution Estimation
.png){kind=icon}
OA
AI
DOI：10.3390/electronics14091879.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
多重随机经验核学习机（MREKLM）通常通过选择一组有限的样本生成多个经验特征空间，这有助于缩短训练时长。然而，MREKLM在投影过程中未纳入数据分布信息，导致性能不一致且可重复性存在问题。为解决此局限性，我们引入一个利用样本分布的类内散度矩阵，从而开发了快速多重经验核学习并融入数据分布信息（FMEKL-DDI）。该方法使算法能够在投影时纳入样本分布数据，优化决策边界并提升分类准确率。为进一步减少样本选择时间，我们采用一种利用局部敏感哈希（BPLSH）的边界点选择技术，有助于高效选取用于特征空间构建的样本。来自多个数据集的实验结果表明，FMEKL-DDI在显著提升分类准确率的同时缩短了训练时长，从而提供了一种更高效且泛化能力更强的方案。
Keyword:
empirical kernel learning
machine learning
kernel methods
期刊
IF:
2.6
论文数:
1.0W
被引数:
4.7W
机构
引用论文
Adaptive control of a nonaffine nonlinear system using self-organising kernel extreme learning machine.png)
ISA TRANSACTIONS
ISA TRANSACTIONSIF6.5
PREAI
分享收藏Stable attractors for neural networks classification via ordinary differential equations (SA-nODE)通过常微分方程 (SA节点) 进行神经网络分类的稳定吸引子OAAI
OAAI分享收藏Multi-view cost-sensitive kernel learning for imbalanced classification problemNEUROCOMPUTING
NEUROCOMPUTINGIF6.5
PREAI
分享收藏Design of a multiple kernel learning algorithm for LS-SVM by convex programmingNEURAL NETWORKS
NEURAL NETWORKSIF6.3
PREAI
分享收藏
查看更多内容