10.3969/j.issn.1001-2400.2016.06.018
伪特权信息和SVM+
针对只有部分训练样本拥有特权信息的特权学习,提出了伪特权信息及相应的SVM+.一方面,对于无特权信息的样本额外构造伪特权信息,使得这部分样本的松弛变量可在修正空间中预测,从而有效地提高了模型泛化能力.可用信息和随机特征都是有效的伪特权信息.另一方面,将真正特权信息用伪特权信息取代,使得全部训练样本的松弛变量都在惟一的修正空间中预测.在实践中发现,至少对于某些真正的特权信息和二分类问题来说,使用一个修正空间可获得更优的泛化能力.在手写数字和人脸表情识别问题上进行的实验结果显示,采用伪特权信息的SVM+具备一定的优势.
特权学习、伪特权信息、SVM+
43
TP391.41(计算技术、计算机技术)
教育部科学技术研究重点资助项目212053;上海市自然科学基金资助项目16ZR1411100
2017-02-27（万方平台首次上网日期，不代表论文的发表时间）
共6页
103-108
