多核学习的统一视角
机器学习
2010-05-05 v1 机器学习
摘要
近期关于多核学习的研究已经产生了许多在正则化风险最小化中组合核的方法。所提出的方法包括不同的目标函数公式和不同的正则化策略。在本文中，我们提出了一个统一的多核学习通用优化准则，并展示了现有公式如何作为特例被包含在内。我们还推导了该准则的对偶表示，该表示适用于一般的平滑优化算法。最后，我们使用泛化误差的Rademacher复杂度界对该框架下的多核学习进行了分析评估，并通过一组实验进行了实证评估。
引用
@article{arxiv.1005.0437,
title = {A Unifying View of Multiple Kernel Learning},
author = {Marius Kloft and Ulrich Rückert and Peter L. Bartlett},
journal= {arXiv preprint arXiv:1005.0437},
year = {2010}
}