面向多维数据的张量集成学习
信号处理
2018-12-18 v1
摘要
在大数据应用中，经典集成学习在原始输入数据上通常不可行，且降维技术是必要的。为此，引入了将经典平面视角集成学习推广到多维张量值数据的新框架。这是借助张量分解实现的，所提方法称为张量集成学习（TEL），其将每个输入数据样本分解为多个因子，从而可灵活选择多种学习算法以改善测试性能。TEL 框架被证明能自然压缩多维数据，以利用固有的多路数据结构并发挥集成学习的优势。所提框架通过将高阶奇异值分解（HOSVD）应用于 ETH-80 数据集得到验证，并证明优于自举聚合的经典集成学习方法。
引用
@article{arxiv.1812.06888,
title = {Tensor Ensemble Learning for Multidimensional Data},
author = {Ilia Kisil and Ahmad Moniri and Danilo P. Mandic},
journal= {arXiv preprint arXiv:1812.06888},
year = {2018}
}