Hessian散射孪生支持向量机

流形结构保持

以样本流形结构信息替代拉普拉斯正则,克服其常值零空间导致的局部拓扑丢失,在半监督分类上更具判别力。

余国林 · Ma, Jun · Chenzhen, Xie

Engineering Applications of Artificial Intelligence 2023

技术优势

不再退化为常值函数

Hessian散射正则的零空间不含常值函数,因此解能随样本变化,从而保持局部流形结构。

判别力更强

最大化类间散射、最小化类内散射,利用样本的结构信息增强分类判别能力。

求解更快

提出最小二乘版本HSR-LSTSVM,并结合共轭梯度法求解,降低计算开销。

外推不足被克服

同时利用全局和局部结构信息,弥补拉普拉斯正则导致的外推不足。

应用场景