- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
[IEEE 2019化合物半导体周（CSW）- 日本奈良（2019.5.19-2019.5.23）] 2019年化合物半导体周（CSW）- 激光辐照下二硫化钼机械谐振器的持续共振频率偏移
摘要： 当每个类别包含多个子类时，鲁棒分类就会面临挑战。多字体光学字符识别和自动化蛋白质功能预测就是典型例子。在基于相关性的最近邻分类中，极大极小相关性方法（MCA）通过迭代过程最小化最大误分类风险，提供了最坏情况下的最优解。尽管具有最优性，原始MCA存在一些缺陷限制了其实际广泛应用：该方法对异常值敏感，无法有效处理数据集中的非线性问题，且计算复杂度较高。 为解决这些局限，我们提出改进方案——正则化MCA（R-MCA）。首先将MCA重构为二次约束线性规划（QCLP）问题，在QCLP原始问题的对偶空间引入松弛变量实现正则化，并推导相应的拉格朗日对偶形式。该对偶公式使我们能对R-MCA应用核技巧，从而更好处理非线性特征。实验结果表明，正则化和核化使所提R-MCA在各类分类任务中比原始MCA更具鲁棒性和准确性。此外，当数据规?；蛭仍龀な保琑-MCA通过求解变量维度更小的QCLP原始问题或对偶问题（择优选择），运行速度显著提升。本R-MCA方法的源代码已公开于http://data.snu.ac.kr/rmca。
关键词： SOCP（二阶锥规划），相关性，核技巧，QP（二次规划），极大极小，QCLP（二次锥线性规划），最近邻，正则化
更新于2025-09-23 15:21:01
-
[2019年德国慕尼黑国际激光与光电会议暨欧洲量子电子学会议（CLEO/Europe-EQEC）] 2019年欧洲激光与光电会议暨欧洲量子电子学会议（CLEO/Europe-EQEC）——飞秒激光写入波导电路中的纠缠光子对?？榛庠?
摘要： 当每个类别包含多个子类时，稳健分类会面临挑战。典型案例包括多字体光学字符识别和自动化蛋白质功能预测。在基于相关性的最近邻分类中，极大极小相关性方法（MCA）通过迭代过程最小化最大误分类风险，提供了最坏情况下的最优解。尽管具有最优性，原始MCA存在局限性限制了其实际广泛应用：该方法对异常值敏感，无法有效处理数据集中的非线性特征，且计算复杂度较高。为解决这些缺陷，我们提出改进方案——正则化MCA（R-MCA）。首先将MCA重构为二次约束线性规划（QCLP）问题，在QCLP原始问题中引入松弛变量实现正则化，并推导相应的拉格朗日对偶形式。该对偶公式使我们能够对R-MCA应用核技巧，从而更好地处理非线性特征。实验结果表明，正则化和核化处理使R-MCA在各类分类任务中比原始MCA更具鲁棒性和准确性。此外，当数据规?；蛭仍龀な保ü蠼獗淞课冉闲〉腝CLP原始问题或对偶问题（择优选择），R-MCA运行速度显著提升。本R-MCA方法的源代码已公开于http://data.snu.ac.kr/rmca。
关键词： 最近邻、核技巧、正则化、相关性、二阶锥规划、二次锥线性规划、极大极小问题、二次规划
更新于2025-09-16 10:30:52