1范数正则支持向量机及其压缩机器学习框架

项目名称： 1范数正则支持向量机及其压缩机器学习框架

项目编号： No.60970067

项目类型： 面上项目

立项/批准年度： 2010

项目学科： 自动化技术、计算机技术

项目作者： 张莉

作者单位： 西安电子科技大学

项目金额： 30万元

中文摘要： 学习机的稀疏性对机器学习起着重要作用，一来可以实现特征选择和提取，从而降低对采样速率的要求，提高检验速度；二则可以避免过拟合，提高学习机的推广能力。1范数正则作为所有可以诱导稀疏性的p范数(0<p≤)正则中唯一一种具有凸性的正则在稀疏机器学习和压缩感知中起着重要作用。本项目首先在1范数SVC的基础上，结合零陷损失函数技术，提出1范数SVR和1范数SVND；然后研究1范数SVMs的稀疏性上界，初步的研究结果显示1范数SVMs的稀疏性仅受精确支持向量的个数界定，具有明显优于标准SVMs的稀疏性；接着，根据1范数SVMs线性规划的特点，提出采用行列生成方法进行快速求解；近来压缩感知成为信号处理领域的一个研究热点，本项目进一步将这一概念推广到机器学习领域，提出基于1范数SVMs的压缩学习框架。最后根据1范数SVMs具有高度的稀疏性，检验速率快的特点，将1范数SVMs用于图像和视频序列中的目标检

中文关键词： 1范数支持向量机；稀疏性；压缩机器学习；行列生成方法；

英文摘要：

英文关键词： 1-norm Support vector machine；Sparsity；Compressed machine learning；Row-column generation method；