An improved training algorithm for kernel Fisher discriminants
An improved training algorithm for kernel Fisher discriminants
复制标题
DOI：
--
复制
发表时间：
2001
期刊：
影响因子：
--
通讯作者：
S. Mika;Alex Smola;B. Scholkopf
中科院分区：
文献类型：
--
作者：
S. Mika;Alex Smola;B. Scholkopf
我们提出了一种用于核 Fisher 判别分类器的快速训练算法。它使用贪婪近似技术并具有经验缩放行为，该行为比现有技术提高了一个数量级以上，从而使内核 Fisher 算法也成为大型数据集的可行选择。
We present a fast training algorithm for the kernel Fisher discriminant classifier. It uses a greedy approximation technique and has an empirical scaling behavior which improves upon the state of the art by more than an order of magnitude, thus rendering the kernel Fisher algorithm a viable option also for large datasets.