山东大学学报(工学版)

作者：王梅,许传海,王伟东,韩非

单位：1.东北石油大学计算机与信息技术学院, 黑龙江 大庆 163318;2.新疆理工学院信息工程学院, 新疆 阿克苏 843100;3.东北石油大学人工智能能源研究院, 黑龙江 大庆 163318

关键词：多核学习,神经正切核,核目标对齐,反余弦核,草图算法,

基金：国家自然科学基金资助项目(51774090,62073070);黑龙江省博士后科研启动金资助项目(LBH-Q20080);黑龙江省研究生精品课程建设项目(15141220103)

为提高多核学习对大规模及分布不均衡问题的处理能力,提出一种基于神经正切核草图的多核学习方法(neural tangent kernel sketch multiple kernel learning, NS-MKL )。应用神经正切核代替单层核函数作为多核学习基核函数,提高多核学习方法表示能力;使用神经正切核草图算法对神经正切核进行近似,减少神经正切核的特征数量和特征维度,提高多核学习方法计算效率;使用核目标对齐计算每个近似神经正切核的基核权重,根据权重进行多核线性组合,得到多核决策函数。在3个UCI数据集上对神经正线核(neural tangent kernel, NTK)核支持向量机(support vector machine, SVM)与传统核SVM进行比较分析,NTK核SVM比传统核SVM预测准确率最低提高1.9%,精度最低提高2.0%,召回率最低提高2.0%。在3个UCI数据集上对NS-MKL与传统核MKL进行比较分析,NS-MKL比应用传统核MKL预测准确率最低提高2.0%,运行时间最低减少9 s。NS-MKL能提高预测准确率,降低计算速度。

来源：2024年第4期

《山东大学学报(工学版)》期刊编辑部

查看山东大学学报(工学版)杂志2024年第4期