原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第卷第期计算机应用研究年月通用稀疏多核学习张仁峰吴小俊陈素根江南大学物联网工程学院江苏无锡安庆师范学院数学与计算科学学院安徽安庆摘要针对范数多核学习方法产生核权重的稀疏解时可能会导致有用信息的丢失和泛化性能退化范数多核学习方法产生核权重的非稀疏解时会产生很多冗余信息并对噪声敏感提出了一种通用稀疏多核学习方法该算法是基于范数和范数混合的网状正则化多核学习方法不仅能灵活地调整稀疏性而且鼓励核权重的组效应范数和范数多核学习方法可以认为是该方法的特例该方法引进的混合约束为非线性约束对此约束采用二阶泰勒展
第３３卷第１期 计 算 机 应 用 研 究 Ｖｏｌ３３Ｎｏ１
２０１６年１月 ＡｐｐｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅｒｓ Ｊａｎ．２０１６
通用稀疏多核学习
１
文档评论（0）