-
题名增量式约简拉氏非对称ν型孪生支持向量回归机
被引量：1
- 1
-
-
作者
张帅鑫
顾斌杰
潘丰
-
机构
江南大学轻工过程先进控制教育部重点实验室
-
出处
《计算机科学与探索》
CSCD
北大核心
2023年第11期2640-2650,共11页
-
基金
国家自然科学基金(51961125102)。
-
文摘
拉氏非对称ν型孪生支持向量回归机是一种泛化性能良好的预测算法,然而其并不适用于增量提供样本的场景。为此,提出了一种增量式约简拉氏非对称ν型孪生支持向量回归机(IRLAsy-ν-TSVR)算法。首先,引入正号函数,将有约束最优化问题转换成无约束最优化问题,并采用半光滑牛顿法在原始空间直接求解,以加快收敛速度。接着,利用矩阵求逆引理,实现半光滑牛顿法中Hessian矩阵求逆的高效增量更新,节省时间开销。然后,为了减少样本累积导致的内存消耗,使用约简技术分别筛选增广核矩阵的列向量和行向量以逼近原增广核矩阵,确保解的稀疏性。最后,在基准测试数据集上验证算法的可行性和有效性。结果表明,与一些代表性算法相比,IRLAsy-ν-TSVR算法继承了离线算法的泛化性能,能够获得稀疏解,更适合大规模数据集的在线学习。
-
关键词
孪生支持向量回归机(TSVR)
半光滑牛顿法
在线学习
增量式学习
约简技术
-
Keywords
twin support vector regression(TSVR)
semi-smooth Newton method
online learning
incremental learning
reduced technology
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名非规则流中高维数据流典型相关性分析并行计算方法
被引量：5
- 2
-
-
作者
周勇
卢晓伟
程春田
-
机构
大连理工大学软件学院
大连理工大学水利学院
-
出处
《软件学报》
EI
CSCD
北大核心
2012年第5期1053-1072,共20页
-
基金
国家杰出青年基金(51025934)
-
文摘
为了满足在计算资源受限的环境下高维数据流处理的实时性要求,提出一种方法——基于GPU(graphicprocessing unit)的非规则流中高维数据流的处理模型和具体的可行架构,并分析设计了相关的并行算法.该六层模型是将GPU处理数据的高宽带性能结合进滑动窗口中数据流的分析,进而在该框架下基于统一计算设备架构(compute unified device architecture,简称CUDA),使用数据立方模型以及降维约简技术并行分析了多条高维数据流的典型相关性.理论分析和实验结果均表明,该并行处理方法能够在线精确地识别同步滑动窗口模式下高维数据流之间的相关性.相对于纯CPU方法,该方法具有显著的速度优势,很好地满足了高维数据流的实时性需求,可以作为通用的分析方法广泛应用于数据流挖掘领域.
-
关键词
图形处理器
高维数据流
典型相关性
统一计算设备架构
降维约简技术
-
Keywords
graphic processing unit（GPU）
high-dimensional data stream
canonical correlation
compute unified device architecture
dimensionality-reduction technique
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
