期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于对偶的不精确交替方向乘子法求解核范数正则化最小二乘问题
1
作者
史冰冰
王青松
《高校应用数学学报（A辑）》
北大核心
2020年第2期181-190,共10页
数据时代的所有事物都可以用数据描述记录.在数据分析中,对部分缺失数据补充,即矩阵补全问题.此类问题已有一定的研究,如通过求解核范数正则化最小二乘问题来达到所需效果.该文从对偶问题出发,使用交替方向乘子法(ADMM)来求解.在一定假...
数据时代的所有事物都可以用数据描述记录.在数据分析中,对部分缺失数据补充,即矩阵补全问题.此类问题已有一定的研究,如通过求解核范数正则化最小二乘问题来达到所需效果.该文从对偶问题出发,使用交替方向乘子法(ADMM)来求解.在一定假设条件下,讨论了不精确对偶交替方向乘子法(dADMM)的全局收敛性.数值试验中,通过与原问题交替方向乘子法(pADMM)进行比较,验证了该算法的优越性.
展开更多
关键词
不精确交替方向乘子方法
核范数正则化最小二乘问题
对偶
问题
矩阵补
在线阅读
下载PDF
职称材料
一种基于正则化最小二乘的多标记分类算法
被引量：
3
2
作者
吕静
何志芬
《南京大学学报（自然科学版）》
CAS
CSCD
北大核心
2015年第1期139-147,共9页
在传统的监督学习中,每个对象由单个实例表示且只属于一个类别标记.然而,在多标记学习中,每个对象由一个实例表示但可能同时属于多个类别标记,其任务是预测未知样本的类别标记集合.本文提出了基于正则化最小二乘的多标记分类算法,即将...
在传统的监督学习中,每个对象由单个实例表示且只属于一个类别标记.然而,在多标记学习中,每个对象由一个实例表示但可能同时属于多个类别标记,其任务是预测未知样本的类别标记集合.本文提出了基于正则化最小二乘的多标记分类算法,即将传统的正则化最小二乘分类推广到多标记学习中.首先,将多标记学习问题转化为多个独立的二分类问题(每个对应一个类别标记);其次,为了充分利用类别标记之间的相关信息,构建了基于类别标记的邻接图,其中每个节点代表一个类别标记,每条边的权重反映了相应类别标记对之间的相似性.最后,构建了建立在核函数基础上的多标记正则化最小二乘模型,并可以转化为求解一个Sylvester方程.在8个基准数据集上用5种不同的评价准则进行度量的实验结果表明了本文算法优于其他6种常用的多标记分类算法.
展开更多
关键词
多标记学习
正则
化
最小
二乘
分类
二
分类
问题
核
函
数
SYLVESTER方程
在线阅读
下载PDF
职称材料
题名
基于对偶的不精确交替方向乘子法求解核范数正则化最小二乘问题
1
作者
史冰冰
王青松
机构
西南交通大学数学学院
北京航空航天大学数学科学学院
出处
《高校应用数学学报（A辑）》
北大核心
2020年第2期181-190,共10页
文摘
数据时代的所有事物都可以用数据描述记录.在数据分析中,对部分缺失数据补充,即矩阵补全问题.此类问题已有一定的研究,如通过求解核范数正则化最小二乘问题来达到所需效果.该文从对偶问题出发,使用交替方向乘子法(ADMM)来求解.在一定假设条件下,讨论了不精确对偶交替方向乘子法(dADMM)的全局收敛性.数值试验中,通过与原问题交替方向乘子法(pADMM)进行比较,验证了该算法的优越性.
关键词
不精确交替方向乘子方法
核范数正则化最小二乘问题
对偶
问题
矩阵补
Keywords
inexact alternating direction method of multipliers
nuclear norm regularized least squares problem
dual problem
matrix completion
分类号
O242.2 [理学—计算数学]
在线阅读
下载PDF
职称材料
题名
一种基于正则化最小二乘的多标记分类算法
被引量：
3
2
作者
吕静
何志芬
机构
南京师范大学计算机科学与技术学院
南京师范大学数学科学学院
出处
《南京大学学报（自然科学版）》
CAS
CSCD
北大核心
2015年第1期139-147,共9页
基金
江苏省自然科学基金重点重大专项(BK2011005)
文摘
在传统的监督学习中,每个对象由单个实例表示且只属于一个类别标记.然而,在多标记学习中,每个对象由一个实例表示但可能同时属于多个类别标记,其任务是预测未知样本的类别标记集合.本文提出了基于正则化最小二乘的多标记分类算法,即将传统的正则化最小二乘分类推广到多标记学习中.首先,将多标记学习问题转化为多个独立的二分类问题(每个对应一个类别标记);其次,为了充分利用类别标记之间的相关信息,构建了基于类别标记的邻接图,其中每个节点代表一个类别标记,每条边的权重反映了相应类别标记对之间的相似性.最后,构建了建立在核函数基础上的多标记正则化最小二乘模型,并可以转化为求解一个Sylvester方程.在8个基准数据集上用5种不同的评价准则进行度量的实验结果表明了本文算法优于其他6种常用的多标记分类算法.
关键词
多标记学习
正则
化
最小
二乘
分类
二
分类
问题
核
函
数
SYLVESTER方程
Keywords
multi-label learning
regularized least squares classification
binary classification problem
kernel function
Sylvester equation
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于对偶的不精确交替方向乘子法求解核范数正则化最小二乘问题
史冰冰
王青松
《高校应用数学学报（A辑）》
北大核心
2020
0
在线阅读
下载PDF
职称材料
2
一种基于正则化最小二乘的多标记分类算法
吕静
何志芬
《南京大学学报（自然科学版）》
CAS
CSCD
北大核心
2015
3
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
