基于非同分布样本的变参LUM在线分类(英文) |
| |
引用本文: | 王泽兴.基于非同分布样本的变参LUM在线分类(英文)[J].数学杂志,2023(3):229-246. |
| |
作者姓名: | 王泽兴 |
| |
作者单位: | 武汉大学数学与统计学院 |
| |
基金项目: | Supported by National Natural Science Foundation of China(12071356); |
| |
摘 要: | LUMs(Large-margin Unified Machines)在分类学习中受到广泛关注,LUMs是一类最大化间隔分类器,它提供了一种独特的软分类到硬分类转化的方式.本文研究的是基于独立不同分布样本和LUM损失函数的二分类在线学习算法.同时,在线算法的每一步迭代,涉及的LUM损失函数的参数是随着迭代在逐渐减小的.在这种假设下,我们基于再生核希尔伯特空间(RKHS),给出了在线算法的收敛阶.
|
关 键 词: | 非同分布样本 在线分类算法 变参数LUM损失函数 再生核希尔伯特空间 |
|
|