Posizione corrente: Home -  Opinioni Ghd Piastra per costruire un romanzo SVM tipo multi label

Opinioni Ghd Piastra per costruire un romanzo SVM tipo multi label

Opinioni Ghd Piastra

La macchina di supporto vettoriale esistente multi-label (Rank-SVM) ha una estrema complessità computazionale a causa di un gran numero di variabili in sua programmazione quadratica. Quando si applica il metodo Frank-Wolfe (FW), una programmazione lineare su vasta scala deve ancora essere risolto in qualsiasi iterazione. Pertanto è altamente auspicabile per progettare e realizzare un nuovo efficiente SVM-tipo di algoritmo multi-label. Binary macchina nucleo vettoriale (CVM), come variante del tradizionale SVM, è formulato come programmazione quadratica con un vincolo un'unità simplex, in cui ogni programmazione lineare in FW è una soluzione analitica. In questo lavoro, combiniamo Rank-SVM con CVM per costruire un romanzo SVM-tipo multi-label classificatore (Rank-CVM), che viene descritta come la stessa forma di ottimizzazione CVM binario. Nella qualsiasi iterazione FW, esistono soluzione analitica e dimensione del passo, e diverse formule ricorsive utili per soluzione proxy, sfumatura vettoriale, e il valore funzione obiettivo, i quali riducono notevolmente costo computazionale. Studio sperimentale su nove set di dati di riferimento mostra che quando Rank-CVM effettua come statisticamente così come il suo rivale Piastra Ghd Amazon Rank-SVM secondo cinque misure di performance, il nostro metodo funziona mediamente circa 13 volte più veloce e ha vettori di supporto meno rispetto Opinioni Ghd Piastra Rank-SVM in fase di formazione in C C ambiente / ++.
0 Commenti


Parlare la vostra mente
Commenti Recenti