一种块增量偏最小二乘算法

曾雪强^1,2,叶震麟¹,左家莉²,万中英²,吴水秀²

1.南昌大学信息工程学院, 江西 南昌 330031;2.江西师范大学计算机信息工程学院, 江西 南昌 330022

发布日期:2019-03-19

作者简介:曾雪强(1978— ),男,博士研究生,教授,研究方向为数据降维. E-mail:xqzeng@jxnu.edu.cn
基金资助:国家自然科学基金资助项目(61463033,61866017);江西省****人才资助计划(20171BCB23013);江西省教育厅科学技术研究项目(GJJ150354)

A chunk increment partial least square algorithm

ZENG Xue-qiang^1,2, YE Zhen-lin¹, ZUO Jia-li², WAN Zhong-ying², WU Shui-xiu²

1. Information Engineering School, Nanchang University, Nanchang 330031, Jiangxi, China;
2. School of Computer &
Information Engineering, Jiangxi Normal University, Nanchang 330022, Jiangxi, China

Published:2019-03-19

摘要/Abstract

摘要： 增量学习模型是一种有效挖掘大规模数据的数据处理技术。增量式偏最小二乘(incremental partial least square, IPLS)模型是一种基于增量技术的偏最小二乘算法改进模型,具有不错的数据降维效果,但是,IPLS模型每新增1个样本都需要对模型进行增量更新,导致模型的训练时间较长。针对这一问题,基于数据分块更新的思想提出了一种块增量偏最小二乘算法(chunk incremental partial least square, CIPLS)。CIPLS算法将样本数据划分为数个的数据块(chunk),然后再以数据块为单位对模型进行增量更新,从而大幅减少了模型的更新频率,提高了模型的学习效率。在K8版本的p53蛋白数据集和路透文本分类语料库上的对比实验表明,CIPLS算法大幅度缩短了增量式偏最小二乘模型的训练时间。


PDF全文下载地址:

http://lxbwk.njournal.sdu.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=3052