- 谱截断核:$C^*$ 代数核机中的非交换性
提出了一类基于谱截断的正定核函数,其主要特点是输入和输出都是函数,引入了一个描述核中乘积的非交换性的截断参数 n。当 n 趋于无穷大时,该核函数接近现有的可交换核函数;当 n 是有限的时候,核函数表现出不同的行为,非交换性在数据函数域上引起 - 带噪声树度量的优化输运
我们研究了支持树度量空间上的概率测度的最优输运问题。我们提出了一种新颖的树度量的不确定性集合,并通过利用支持上的树结构表明,最大最小鲁棒输运(OT)问题也具有封闭形式的表达式,可以快速计算。此外,我们通过负定性来提出正定核并在几个模拟中测试 - 马尔可夫决策过程中行为度量的核心观点
行为度量作为强化学习中构建表示的有效机制,通过使用正定核提出了行为度量的新视角,定义了一种与最近引入的 MICo 距离等价的度量,并提供了新的理论结果,包括通过度量来限制值函数的差异,并证明了我们的度量可以被嵌入到低畸变误差的有限维欧几里得 - 随机扭曲序列:一种用于时序嵌入的随机特征方法
本文研究了一类基于 Random Warping Series 特征嵌入的正定核方法,相比于其他基于 DTW 的方法,该方法不会受到 Gram 矩阵对角线支配和样本量二次计算复杂度的问题,并且自然地享有 Random Features 近似 - 高斯过程和核方法:联系和等价性的综述
研究正定核的两种广泛使用的方法之间的差距,即贝叶斯学习或使用高斯过程进行推理和基于再生核希尔伯特空间的频率核方法,参考新旧结果和概念并比较算法数量和哲学理论差异。
- D2KE: 从距离到核函数和嵌入
针对结构化输入的机器学习问题,提出了一种只基于输入之间的距离度量而不是特征表示估算函数 f (x),应用正定核泛函和重现核希尔伯特空间来构建算法,并将其与现有的基于距离学习的方法进行比较,结果表明该方法在分类实验中具有更好的推广性能。
- 近似比集中更有效?平滑径向核推理的近似观点
探讨了正定核及其相关重现核希尔伯特空间的逼近性质,包括核算子和矩阵的特征值衰减、特征函数 / 特征向量的性质、核空间中函数的 “傅里叶” 系数以及核的拟合能力等,并给出了限制在离散数据点上的重现核希尔伯特空间球体的胖打散维度的明确界限,讨论 - 随机梯度方法的测试误差的指数收敛
本研究研究了具有正定核和平方误差的二元分类问题,并研究了随机梯度方法的收敛速度。结果表明,当假设低噪声条件时,测试误差(分类误差)以指数速度收敛,而过量测试损失(平方损失)随着观测值的数量而慢慢收敛到零。
- MM关于地球移动距离的确定性及其与集合交的关系
本文通过集合论的解释,从正定核的角度提出了 Earth Mover's Intersection (EMI) 方法,与 Earth Mover's Distance (EMD) 类似,可以有效地解决不同大小的集合的问题。同时,作者提供了一些 - 核向量积分规则与随机特征展开的等价性
通过一个特定的分解,我们将用于计算积分的基于核的求积法则视为正定核的随机特征扩展的一种特例。我们提供了理论分析,给出了给定逼近误差所需样本数的上下界,特别地,我们展示了上界可以从一种特定的非一致分布中独立同分布地获得,而下界对于任何一组点都 - CVPR在紧致流形上优化径向核
该研究论文探讨了在黎曼流形上针对所有可能的正定径向核进行分类优化的问题,并在支持向量机框架内展示了正定径向核的自动优化。
- ICCV基于希尔伯特空间嵌入的形状分析框架
使用 Kendall 形状流形上的正定内核提出了一个 2D 形状分析框架,该内核允许我们将形状映射到一个高维希尔伯特空间中,从而使我们能够扩展内核方法并进行形状分类、聚类和检索。
- CVPR对称正定矩阵黎曼流形上的核方法
该文提出了一种针对 Riemann 流形的 SPD 矩阵进行高维映射的方法,使用一组可证明的正定核函数来扩展基于核方法的算法,进而在人行检测、物体分类、纹理分析、2D 运动分割以及扩散张量成像分割等问题上取得了良好的效果。
- 具高斯 RBF 核函数的黎曼流形上的核方法
发展了利用核方法处理测地线非欧几里得空间数据的方法,具体地,提出了基于高斯径向基函数的正定核定义,用于将给定流形嵌入到高维再生核希尔伯特空间,同时该方法具有适用于计算机视觉的两种流形的正定核,并说明欧几里得空间中的支持向量机和主成分分析等算 - 大规模学习的哈希算法
本文提出了一种简单有效的大规模学习方案,结合学习算法(如 SVM 和逻辑回归)的 b 位 minwise 哈希可以自然地集成,大规模问题可以极其高效地解决,并与 Vowpal Wabbit 算法进行比较。
- 使用分层多核学习探索大型特征空间
使用正定核函数和稀疏奖励惩罚来实现高维特征空间中的多核学习,从而在非线性变量选择中取得卓越的预测性能。
- 机器学习中的核方法
本文回顾了利用正定核的机器学习方法,这些方法可以在函数空间构建学习和估计问题,包括二元分类器和结构化数据估计方法,并且这些方法适用于非线性函数和非矢量数据。
- 基于树模式的分子图核函数
本研究提出了一种控制子树用于表示图形特征的复杂性的新核函数,并在分类有毒和非有毒分子方面使用支持向量机进行了实验验证。