计算机应用研究

作者：黄金玻,粟兴旺,吴琳,许茹玉,王晓明,

单位：西华大学计算机与软件工程学院,成都610039；

关键词：多核学习,经验核映射,模式识别,核方法,机器学习,

基金：四川省自然科学基金资助项目(2022NSFSC0533)；；

多随机经验核学习机（multiple random empirical kernel learning machine，MREKLM）选取少量样本来构造经验特征空间，但在投影时没有考虑数据的分布信息，并且样本选择时间长。为了利用样本的分布信息，引入了类内散度矩阵，提出了基于类内方差的多经验核学习（ICVMEKL），使得样本在投影时能考虑样本类内信息，强化了分类边界，提高了分类精度。进一步，为了降低样本选择时间，利用了基于位置敏感哈希的边界点提取方法（BPLSH）来选择样本，提出了基于位置敏感哈希算法改进的ICVMEKL（ICVMEKL_I），使构建经验核的样本不再需要从候选集中获取，降低了训练时间。多个数据集上的实验结果表明，ICVMEKL能有效提高精度，ICVMEKL_I能大幅降低训练时间，两者都表现出了良好的泛化性能。

来源：2022年第11期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2022年第11期