[00091181]基于大规模数据的自适应参数的多核学习分类方法
技术详细介绍
本发明公开了一种基于大规模数据的自适应参数的多核学习分类方法，包括以下步骤：选定多核学习的核函数；载入数据集，将数据集随机分为训练数据集和测试数据集；将训练数据集的单独一维特征值和每一维特征值进行混合，得到核矩阵组；将单位矩阵增加至核矩阵组的第一项构成新的核矩阵组，求解新的核矩阵组的权重参数组，权重参数组的第一项为正则化惩罚因子参数C的倒数，其余项为各个基核的权重参数；通过计算半无限线性规划问题得出分类模型；将测试数据集通过分类模型得到分类结果。本发明将多核学习问题转化为半正定线性规划优化问题，解决了大规模数据问题；能够自适应学习C参数，提高了求解效率，避免了繁琐交叉验证过程。
