判别性正则化:一种新颖的分类器学习方法(英文)

摘要

提出了一种新颖的正则化方法—判别性正则化(Discriminative regularization,DR),为分类提供了一种通用的结合样本先验信息的方式。通过将先验信息引入到正则化项中,DR不但使分类器实际输出与期望输出之间的经验损失达到最小,而且能在输出空间中同时最大化类间散性与最小化类内紧性。此外,通过将等式约束嵌入到目标函数中,DR的求解还可转化为解线性方程组问题,从而得到全局解析解。分类实验验证了DR的优越性。