MKLasso模型的算法与模型选择

作     者：梁宝娟 巨永锋 张菁 

作者机构：长安大学电子与控制工程学院陕西西安710064 

基　　金：国家自然科学基金项目(60975036) 中央高校基本科研业务费专项资金项目(CHD2011JC118) 

出 版 物：《长安大学学报（自然科学版）》 (Journal of Chang’an University(Natural Science Edition))

年 卷 期：2012年第32卷第4期

页      码：105-110页

摘      要：在KLasso模型基础之上,引入多核函数与多核参数重新建立的一种更为广发的非线性的多核KLasso模型(MKLasso模型),采用基于梯度Boosting的思想的算法进行求解,并依据人类观察事物的一个基本特征,即人眼位于数据空间较近时能够看清细节,较远时只能够看清整体结构的特性设计了一种模型选择策略,通过实际的3个数据集设计6组试验,来验证该算法的有效性。模拟试验结果表明:MKLasso模型的预测能力明显优于KLasso模型,其预测均方误差提高了10倍;该算法运行高效,抗噪声能力强,在参数选择方面又有一定自己的优势,可以直接选择核参数,算法大大降低了调试与运算时间。

主 题 词：Lasso 视觉原理 L1范数正则化 核方法 

学科分类：08[工学] 0835[0835] 081202[081202] 0812[工学-测绘类] 

D　O　I：10.19721/j.cnki.1671-8879.2012.04.020

馆 藏 号：203719309...