文件名称:
具有过度拟合功能的大数据在线相似性学习
开发工具:
文件大小: 810kb
下载次数: 0
上传时间: 2021-03-31
详细说明：在本文中，我们提出了一个通用模型来解决大数据在线相似性学习中的过拟合问题，该模型通常由两种冗余产生：1）特征冗余，即训练数据中存在冗余（无关）特征; 2）等级冗余，即非冗余（或相关）功能位于低等级空间中。 为了克服这些问题，我们的模型旨在通过检测度量矩阵中的多余行和列并将剩余矩阵约束到低秩空间来获得简单而健壮的度量矩阵。 为了减少特征冗余，我们采用组稀疏正则化（即l2; 1-norm）来鼓励稀疏特征集。 为了解决等级冗余，我们采用低等级正则化，即最大范数，而不是像使用核范数的传统模型那样计算SVD。 因此，我们的模型不仅可以生成低秩度量矩阵以避免过度拟合，而且可以同时实现特征选择。 为了进行模型优化，导出了一种基于随机近端方法的在线算法，可以有效地解决该问题，且复杂度为O（d2）。 为了验证算法的有效性和效率，我们将模型应用于在线场景分类和合成数据，并在各种基准数据集上进行实验，并与几种最新方法进行了比较。 我们的模型与最快的在线相似性学习模型OASIS一样高效，同时性能和精确模型OMLLR一样。 此外，我们的模型可以同时排除无关/多余的特征维。
(系统自动生成,下载前可以参看下载内容)
下载文件列表
相关说明
- 本站资源为会员上传分享交流与学习,如有侵犯您的权益,请联系我们删除.
- 本站是交换下载平台，提供交流渠道，下载内容来自于网络，除下载问题外，其它问题请自行百度。
- 本站已设置防盗链，请勿用迅雷、QQ旋风等多线程下载软件下载资源，下载后用WinRAR最新版进行解压.
- 如果您发现内容无法下载，请稍后再次尝试；或者到消费记录里找到下载记录反馈给我们.
- 下载后发现下载的内容跟说明不相乎，请到消费记录里找到下载记录反馈给我们，经确认后退回积分.
- 如下载前有疑问，可以通过点击"提供者"的名字，查看对方的联系方式，联系对方咨询.
相关搜索:
