基于算子值核的函数正则化最小二乘分类
机器学习
2013-01-15 v1 机器学习
摘要
尽管算子值核在多任务学习或函数回归等各类机器学习与函数数据分析问题中日益受到关注，但其相关特征空间的理解却鲜少被探讨。本文探索了采用算子值核特征空间视角进行函数数据分析的潜力。随后，我们将正则化最小二乘分类（RLSC）算法扩展至每次观测包含多个函数的情形。在声音识别问题上的实验表明，所提方法优于经典的 RLSC 算法。
引用
@article{arxiv.1301.2655,
title = {Functional Regularized Least Squares Classi cation with Operator-valued Kernels},
author = {Hachem Kadri and Asma Rabaoui and Philippe Preux and Emmanuel Duflos and Alain Rakotomamonjy},
journal= {arXiv preprint arXiv:1301.2655},
year = {2013}
}