Lp范数约束的单类分类器组合
机器学习
2023-12-27 v1 计算机视觉与模式识别
摘要
分类器融合已被确立为在不同设置下提升性能的有效方法，单类分类也不例外。在本研究中，我们通过建模集成系统的稀疏性/均匀性来考虑单类分类器融合问题。为此，我们制定了一个凸目标函数来学习线性集成模型中的权重，并对权重向量施加可变Lp范数约束。向量范数约束使模型能够适应基学习器空间中集成系统的内在均匀性/稀疏性，并通过塑造融合权重的相对大小来充当（软）分类器选择机制。借鉴Frank-Wolfe算法，我们提出了一种有效的方法来高效求解所制定的凸约束优化问题。我们在来自不同应用领域的多个数据集上评估了所提出的单类分类器组合方法，并展示了其与现有方法相比的优点。
引用
@article{arxiv.2312.15769,
title = {Lp-Norm Constrained One-Class Classifier Combination},
author = {Sepehr Nourmohammadi and Shervin Rahimzadeh Arashloo},
journal= {arXiv preprint arXiv:2312.15769},
year = {2023}
}