图引导正则最小化的随机超梯度的交替方向方法

2018年第19卷第6期

摘要

关键词

相关研究

回顶部

《信息与电子工程前沿（英文）》 >> 2018年第19卷第6期 doi: 10.1631/FITEE.1601771

图引导正则最小化的随机超梯度的交替方向方法

. College of Computer, National University of Defense Technology, Changsha 410073, China.. National Laboratory for Parallel and Distributed Processing, National University of Defense Technology, Changsha 410073, China.

发布日期： 2018-08-30

HTML38 PDF 8 收藏 0

摘要

提出并比较额外梯度交替方向的几种随机变体方法，称为带拉格朗日函数（SEGL）的随机超梯度交替方向法和带增广拉格朗日函数（SEGAL）的随机超梯度交替方向法。这些方法由两个大规模凸目标函数组成，可最小化图形引导的优化问题。机器学习中一些重要应用遵循图导引优化公式等作为线性回归、逻辑回归、Lasso结构化扩展以及结构化正则化逻辑回归的原则。通过融合逻辑回归和图形引导正则化回归，在几类数据集上进行了试验。试验结果表明所提算法优于其他竞争算法，且在实际应用中，SEGAL比SEGL性能更好。

关键词

随机优化 ; 图形引导最小化 ; 超梯度法 ; 融合逻辑回归 ; 图导向正则化逻辑回归