基于最大间隔的贝叶斯分类器

2016年第17卷第10期

摘要

关键词

相关研究

回顶部

《信息与电子工程前沿（英文）》 >> 2016年第17卷第10期 doi: 10.1631/FITEE.1601078

基于最大间隔的贝叶斯分类器

State Key Lab of CAD & CG, Zhejiang University, Hangzhou 310058, China

发布日期： 2016-11-04

HTML22 PDF 4 收藏 0

摘要

概要：多分类学习中经常需要考虑在泛化性能和计算开销间进行权衡。本文提出一个生成式概率多分类器，综合考虑了泛化性和学习/预测速率。我们首先证明了我们的分类器具有最大间隔性质，这意味着对于未来数据的预测精度几乎和训练阶段一样高。此外，我们消除了目标函数中的大量的局部变元，极大地简化了优化问题。通过凸分析和概率语义分析，我们设计了高效的在线算法，与经典情形的最大不同在于这个算法使用聚集而非平均化处理梯度。实验证明了我们的算法具有很好的泛化性能和收敛速度。

关键词

多类学习 ; 最大间隔学习 ; 在线算法