利用特权信息的高效Pinball TWSVM学习及其应用
机器学习
2021-07-15 v1
摘要
在任何学习框架中，专家知识始终起着关键作用。但在机器学习领域，专家提供的知识很少被利用。此外，基于SVM的机器学习算法通常使用对噪声敏感的铰链损失函数。因此，为了从专家知识中获益并降低对噪声的敏感性，本文提出基于特权信息的双球Pinball支持向量机分类器（Pin-TWSVMPI），其中专家知识以特权信息的形式给出。所提出的Pin-TWSVMPI利用校正函数引入特权信息，从而得到两个非平行决策超平面。进一步地，为了使计算更高效快速，我们采用序列最小优化（SMO）技术来获得分类器，并展示了其在行人检测与手写数字识别中的应用。此外，对于UCI数据集，我们首先实施一种从数据集特征中提取特权信息的流程，再由Pin-TWSVMPI加以利用，从而在计算时间相对较少的情况下提升分类精度。
引用
@article{arxiv.2107.06744,
title = {Efficient Learning of Pinball TWSVM using Privileged Information and its applications},
author = {Reshma Rastogi and Aman Pal},
journal= {arXiv preprint arXiv:2107.06744},
year = {2021}
}