论文研究多核学习中基于复合梯度映射的学习算法研究.pdf

现有的多核学习算法大多假设训练样本分类完全正确，将其应用到受扰分类样本上时，由于分类存在差错，因此往往只能实现次优性能。为了解决这一问题，首先将受扰分类多核学习问题建模为随机规划问题，并得到一种极小极大表达式；然后提出基于复合梯度映射的一阶学习算法对问题进行求解。理论分析表明，该算法的收敛速度为O（1/T），大大快于传统算法的收敛速度O（1/T）。最后，基于五个UCI数据集的实验结果也验证了本文观点和优化算法的有效性。