控制与决策

作者：刘颖,刘德彦,吕政,赵珺,王伟

单位：大连理工大学 控制科学与工程学院,辽宁 大连 116024,,大连理工大学 控制科学与工程学院,辽宁 大连 116024,,大连理工大学 控制科学与工程学院,辽宁 大连 116024,,大连理工大学 控制科学与工程学院,辽宁 大连 116024,,大连理工大学 控制科学与工程学院,辽宁 大连 116024,

关键词：多核学习;深度学习;最小二乘孪生支持向量机;复杂工业数据建模

基金：国家自然科学基金项目(61873048,62003072)；国家科技部重点研发计划项目(2017YFA0700300)；中央高校基本科研业务费专项资金项目(DUT22JC16)；辽宁省应用基础研究计划项目(2023JH2/101600043).

为了提高多核学习(MKL)的表示能力同时降低其计算成本,提出一种融合深度特征与多核学习的最小二乘孪生支持向量机(LSTWSVM)算法.针对支持向量机等核分类器在多核学习中高计算复杂度的问题,提出一种基于边缘错误最小化原则的多核LSTWSVM框架,利用分类器优势提高多核学习的性能.针对高斯多核浅层结构的问题,采用MKL法设计一种基于深度神经网络多层信息的高鲁棒性深度映射核,将此深度核与多尺度高斯基核以核矩阵哈达玛积方式相融合,构造一组新的具有高度表达能力的改进核.最后,将基于LSTWSVM的多核训练算法与改进的多核结构进行高度集成,通过大量基准数据集与工业数据实验表明,其能有效结合深度学习与多核学习的优势,且以较低的计算成本提高分类精度与泛化能力.

来源：2024年第8期

《控制与决策》期刊编辑部

查看控制与决策杂志2024年第8期