| Type de publication : |
 |
Articles dans des revues avec comité de lecture |
|
| Domaine : |
|
Statistiques/Machine Learning
|
|
| Titre : |
|
Learning General Gaussian Kernel Hyperparameters using Optimization on Symmetric Positive-Definite Matrices Manifold |
|
| Auteur(s) : |
|
Fahed Abdallah ( ) 1, Hicham Laanaya, Hichem Snoussi 2, 3, Richard Cédric 4 |
|
| Laboratoire : |
|
|
|
| Résumé : |
|
We propose a new method for general Gaussian kernel hyperparameter optimization for support vector machines classification. The hyperparameters are constrained to lie on a differentiable manifold. The proposed optimization technique is based on a gradient-like descent algorithm adapted to the geometrical structure of the manifold of symmetric positive-definite matrices. We compare the performance of our approach with the classical support vector machine for classification and with other methods of the state of the art on toy data and on real world data sets. |
|
Langue du texte
intégral : |
|
Anglais |
|
|
| Journal : |
|
| Pattern Recognition Letters |
| Publisher |
Elsevier |
| ISSN |
0167-8655 |
|
|
| Audience : |
|
internationale |
|
| Date de publication : |
|
09/05/2011 |
|
| Volume : |
|
32 |
|
| Numéro : |
|
13 |
|
| Page, identifiant, ... : |
|
1511-1515 |
|
|
| Projet ANR : |
|
| Référence du projet |
ANR-06-PDIT-013 |
| Année |
2006 |
| Acronyme du projet |
DIAPA |
| Titre du projet |
Diagnostic automobile par apprentissage |
| Intitulé |
Programme de Recherche et d'Innovation dans les Transports terrestres (PREDIT) : Securite et Technologie de l'information et de la Communication (STIC) |
| Acronyme de l'appel |
PREDIT : STIC |
|
|
Récupérer au format
