高效鲁棒最优传输及其在多标签分类中的应用
机器学习
2021-10-08 v2 最优化与控制
摘要
最优传输(OT)是比较两个分布的强大几何工具，已应用于多种机器学习任务中。本文中，我们提出一种新颖的 OT 形式，在学习两个分布间传输方案时考虑特征相关性。我们通过 OT 代价函数中的对称半正定马哈拉诺比斯度量对特征-特征关系建模。对于度量上某类正则化项，我们证明可利用问题结构大幅简化优化策略。针对高维数据，我们额外提出对马哈拉诺比斯度量的合适低维建模。总体而言，我们将所得优化问题视为非线性 OT 问题，并使用 Frank-Wolfe 算法求解。在判别学习设定（如标签预测和多类分类）上的实证结果说明了我们方法的良好性能。
引用
@article{arxiv.2010.11852,
title = {Efficient Robust Optimal Transport with Application to Multi-Label Classification},
author = {Pratik Jawanpuria and N T V Satyadev and Bamdev Mishra},
journal= {arXiv preprint arXiv:2010.11852},
year = {2021}
}
备注
Accepted to IEEE CDC 2021