論文の概要: $\ell_p$-Norm Multiple Kernel One-Class Fisher Null-Space

• arxiv url: http://arxiv.org/abs/2008.08642v2
• Date: Sat, 25 Sep 2021 14:08:10 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-27 08:48:44.653305
• Title: $\ell_p$-Norm Multiple Kernel One-Class Fisher Null-Space
• Title（参考訳）: $\ell_p$-norm Multiple Kernel One-class Fisher Null-Space
• Authors: Shervin Rahimzadeh Arashloo
• Abstract要約: 1クラス分類(OCC)における多重カーネル学習(MKL)問題に対処する。 本稿では,カーネル重みに対する一般の$ell_p$-norm制約(pgeq1$)を考慮したマルチカーネル学習アルゴリズムを提案する。 提案した一級MKL手法の拡張は、いくつかの関連する一級MKLタスクが共同で学習される場合にも考慮される。
• 参考スコア（独自算出の注目度）: 15.000818334408802
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The paper addresses the multiple kernel learning (MKL) problem for one-class classification (OCC). For this purpose, based on the Fisher null-space one-class classification principle, we present a multiple kernel learning algorithm where a general $\ell_p$-norm constraint ($p\geq1$) on kernel weights is considered. We cast the proposed one-class MKL task as a min-max saddle point Lagrangian optimisation problem and propose an efficient method to solve it. An extension of the proposed one-class MKL approach is also considered where several related one-class MKL tasks are learned jointly by constraining them to share common kernel weights. An extensive assessment of the proposed method on a range of data sets from different application domains confirms its merits against the baseline and several other algorithms.
• Abstract（参考訳）: 本稿では,一級分類(OCC)におけるマルチカーネル学習(MKL)問題に対処する。 この目的のために,fisher null-space 1-class分類原理に基づき,カーネル重みに対する一般的な $\ell_p$-norm 制約 (p\geq1$) を考えるマルチカーネル学習アルゴリズムを提案する。 提案する1クラスmklタスクをmin-maxサドルポイントラグランジアン最適化問題として配置し,効率的な解法を提案する。 提案した1クラスMKL手法の拡張は、複数の関連する1クラスMKLタスクが共通のカーネル重み付けを制約することによって共同で学習される場合も考慮されている。 異なるアプリケーションドメインのさまざまなデータセットに関する提案手法の広範な評価は、ベースラインや他のアルゴリズムに対するメリットを確認している。

関連論文リスト

• A column generation algorithm with dynamic constraint aggregation for minimum sum-of-squares clustering [0.30693357740321775]
  最小2乗クラスタリング問題(MSSC)は、$n$のデータポイントを$k$クラスタに分割する問題を指す。 カラム生成(CG)と動的制約集約(DCA)を組み合わせた大規模MSSCインスタンスの効率的な解法を提案する。
  論文  参考訳（メタデータ） (2024-10-08T16:51:28Z)
• Fast Asymmetric Factorization for Large Scale Multiple Kernel Clustering [5.21777096853979]
  マルチカーネルクラスタリング(MKC)は、クラスタリングのための複数のベースカーネルからの情報の融合を可能にするソリューションとして登場した。 本稿では,局所回帰にインスパイアされた新しいスパースカーネル行列を構築し,メモリ効率を実現するための効率的な多重カーネル概念因子化(EMKCF)を提案する。
  論文  参考訳（メタデータ） (2024-05-26T06:29:12Z)
• UCB-driven Utility Function Search for Multi-objective Reinforcement Learning [75.11267478778295]
  マルチオブジェクト強化学習(MORL)エージェントでは、意思決定行動の最適化を行う。 重みベクトル w でパラメータ化される線型効用関数の場合に焦点を当てる。 学習過程の異なる段階で最も有望な重みベクトルを効率的に探索する上信頼境界に基づく手法を提案する。
  論文  参考訳（メタデータ） (2024-05-01T09:34:42Z)
• Multiple Locally Linear Kernel Machines [14.282867638200699]
  局所線形分類器の組み合わせに基づく非線形分類器を提案する。 ストリーミングカーネルを扱うスケーラブルな汎用MKLトレーニングアルゴリズムを提供する。
  論文  参考訳（メタデータ） (2024-01-17T22:43:00Z)
• Multiple Kernel Clustering with Dual Noise Minimization [56.009011016367744]
  マルチカーネルクラスタリング(MKC)は、ベースカーネルから補完的な情報を統合することでデータをグループ化する。 本稿では,双対雑音を厳密に定義し,パラメータフリーなMKCアルゴリズムを提案する。 二重ノイズはブロック対角構造を汚染し,クラスタリング性能の劣化を招き,CノイズはNノイズよりも強い破壊を示す。
  論文  参考訳（メタデータ） (2022-07-13T08:37:42Z)
• Local Sample-weighted Multiple Kernel Clustering with Consensus Discriminative Graph [73.68184322526338]
  マルチカーネルクラスタリング(MKC)は、ベースカーネルの集合から最適な情報融合を実現するためにコミットされる。 本稿では,新しい局所サンプル重み付きマルチカーネルクラスタリングモデルを提案する。 実験により, LSWMKCはより優れた局所多様体表現を有し, 既存のカーネルやグラフベースのクラスタリングアルゴリズムよりも優れていた。
  論文  参考訳（メタデータ） (2022-07-05T05:00:38Z)
• Gradient Based Clustering [72.15857783681658]
  本稿では,クラスタリングの品質を計測するコスト関数の勾配を用いて,距離に基づくクラスタリングの一般的な手法を提案する。 アプローチは反復的な2段階の手順(クラスタ割り当てとクラスタセンターのアップデートの代替)であり、幅広い機能に適用できる。
  論文  参考訳（メタデータ） (2022-02-01T19:31:15Z)
• SimpleMKKM: Simple Multiple Kernel K-means [49.500663154085586]
  単純なマルチカーネルk-means(SimpleMKKM)と呼ばれる,単純で効果的なマルチカーネルクラスタリングアルゴリズムを提案する。 我々の基準は、カーネル係数とクラスタリング分割行列における難解な最小化最大化問題によって与えられる。 クラスタリング一般化誤差の観点から,SimpleMKKMの性能を理論的に解析する。
  論文  参考訳（メタデータ） (2020-05-11T10:06:40Z)
• Kernel-Based Reinforcement Learning: A Finite-Time Analysis [53.47210316424326]
  モデルに基づく楽観的アルゴリズムであるKernel-UCBVIを導入する。 スパース報酬を伴う連続MDPにおける我々のアプローチを実証的に検証する。
  論文  参考訳（メタデータ） (2020-04-12T12:23:46Z)
• Nonlinear classifiers for ranking problems based on kernelized SVM [0.0]
  多くの分類問題は、全てのサンプルではなく、最も関連性の高いサンプルのみの性能を最大化することに焦点を当てている。 本稿では、これらの線形分類問題のいくつかのクラスを含む一般的な枠組みを導出する。 問題を二元化し、カーネルを追加し、コンポーネントワイドのアセンジ法を提案する。
  論文  参考訳（メタデータ） (2020-02-26T12:37:11Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。