一类用于自适应学习的最大间隔准则
机器学习
2018-11-09 v2 应用统计
机器学习
摘要
近年来，模式分析在数据挖掘与识别中扮演重要角色，并已提出许多变体以应对复杂场景。在文献中，数据样本的高维性已相当常见，但此类特征或海量数据在现实应用中亦成常态。本文首先引入一种改进的最大间隔准则（MMC）方法。基于新的 MMC 定义，设计了若干 MMC 变体，包括随机 MMC、分层 MMC、2D^2 MMC，以使自适应学习可行。特别地，借鉴简单深度网络发展了 MMC 网络以学习图像的深度特征。在多种数据集上的实验结果表明，所提 MMC 方法的判别能力足以在复杂应用场景中采用。
引用
@article{arxiv.1810.04064,
title = {A Family of Maximum Margin Criterion for Adaptive Learning},
author = {Miao Cheng and Zunren Liu and Hongwei Zou and Ah Chung Tsoi},
journal= {arXiv preprint arXiv:1810.04064},
year = {2018}
}
备注
14 pages