Non-uniform multiple kernel learning with cluster-based gating functions
Non-uniform multiple kernel learning with cluster-based gating functions
复制标题
具有基于集群的门函数的非均匀多核学习
DOI：
10.1016/j.neucom.2010.11.001
复制
发表时间：
2011-03
期刊：
影响因子：
6
通讯作者：
Zhou, Bingfeng
中科院分区：
文献类型：
--
作者：
Mu, Yadong;Zhou, Bingfeng
最近，多核学习（MKL）由于其相对于传统单核方法的经验优势而受到越来越多的关注。然而，大多数最先进的 MKL 方法都是“统一的”，因为核的相对权重在所有数据中保持固定。在这里，我们提出了一种具有数据相关门控机制的“非均匀”MKL 方法，即自适应地确定样本的核权重。我们利用软聚类算法，然后在图嵌入（GE）框架下调整每个聚类的权重。利用集群结构的想法是基于这样的观察：来自同一集群的数据往往表现一致，从而增加了对噪声的抵抗力并导致更可靠的估计。此外，处理样本外数据在计算上很简单，其隐式 RKHS 表示由每个簇的后验调制。该方法与一些代表性 MKL 方法之间的定量研究是在合成的和广泛使用的公共数据集上进行的。实验结果很好地验证了其优越性。
Recently, multiple kernel learning (MKL) has gained increasing attention due to its empirical superiority over traditional single kernel based methods. However, most of state-of-the-art MKL methods are “uniform” in the sense that the relative weights of kernels keep fixed among all data. Here we propose a “non-uniform” MKL method with a data-dependent gating mechanism, i.e., adaptively determine the kernel weights for the samples. We utilize a soft clustering algorithm and then tune the weight for each cluster under the graph embedding (GE) framework. The idea of exploiting cluster structures is based on the observation that data from the same cluster tend to perform consistently, which thus increases the resistance to noises and results in more reliable estimate. Moreover, it is computationally simple to handle out-of-sample data, whose implicit RKHS representations are modulated by the posterior to each cluster. Quantitative studies between the proposed method and some representative MKL methods are conducted on both synthetic and widely used public data sets. The experimental results well validate its superiorities.
登录
查看更多内容
DOI：
10.1109/iccv.2009.5459172
发表时间：
2009-09
期刊：
2009 IEEE 12th International Conference on Computer Vision
影响因子：
--
作者：
Jingjing Yang;Yuanning Li;Yonghong Tian;Ling-yu Duan;Wen Gao
通讯作者：
Jingjing Yang;Yuanning Li;Yonghong Tian;Ling-yu Duan;Wen Gao
DOI：
10.1109/cvpr.2007.382983
发表时间：
2007-06
期刊：
2007 IEEE Conference on Computer Vision and Pattern Recognition
影响因子：
--
作者：
Huan Wang;Shuicheng Yan;Dong Xu;Xiaoou Tang;Thomas S. Huang
通讯作者：
Huan Wang;Shuicheng Yan;Dong Xu;Xiaoou Tang;Thomas S. Huang
DOI：
10.1109/tpami.2007.250598
发表时间：
2007-01-01
影响因子：
23.6
作者：
Yan, Shuicheng;Xu, Dong;Lin, Stephen
通讯作者：
Lin, Stephen
DOI：
10.1145/1273496.1273634
发表时间：
2007-06
期刊：
--
影响因子：
--
作者：
Jieping Ye;Jianhui Chen;Shuiwang Ji
通讯作者：
Jieping Ye;Jianhui Chen;Shuiwang Ji
DOI：
10.1145/1281192.1281283
发表时间：
2007-08
期刊：
2016 IEEE Nuclear Science Symposium, Medical Imaging Conference and Room-Temperature Semiconductor Detector Workshop (NSS/MIC/RTSD)
影响因子：
--
作者：
Jieping Ye;Shuiwang Ji;Jianhui Chen
通讯作者：
Jieping Ye;Shuiwang Ji;Jianhui Chen