지역화된 다중 커널 학습

최근 단일 커널을 선택하는 대신, 여러 개의 커널의 볼록 조합을 사용하는 다중 커널 학습(MKL)이 제안되었습니다. 여기서 각 커널의 가중치는 훈련 과정에서 최적화됩니다. 그러나 MKL은 전체 입력 공간에서 커널에 동일한 가중치를 부여합니다. 본 논문에서는 적절한 커널 함수를 지역적으로 선택하기 위한 게이팅 모델을 사용하여 지역화된 다중 커널 학습(LMKL) 알고리즘을 개발하였습니다. 지역화된 게이팅 모델과 커널 기반 분류기가 결합되어 있으며, 이들의 최적화는 공동으로 진행됩니다. 10개의 벤치마크 데이터 세트와 2개의 생물정보학 데이터 세트에 대한 실험 결과는 우리 접근법의 적용 가능성을 검증합니다. LMKL은 더 적은 수의 서포트 벡터를 저장함으로써 MKL과 유사한 통계적 정확도를 달성합니다. LMKL은 또한 서로 다른 부위에 지역화된 동일한 커널 함수의 여러 복사본을 결합할 수 있습니다. 예를 들어, 여러 개의 선형 커널을 사용하는 LMKL은 생물정보학 데이터 세트에서 단일 선형 커널을 사용할 때보다 더 나은 정확도를 제공합니다.