發(fā)布時間：2017-10-24 23:28

  本文關鍵詞：基于分解策略的多目標演化子集選擇算法

  更多相關文章： 機器學習 子集選擇 多目標優(yōu)化 多目標演化算法 分解策略

【摘要】：在許多現(xiàn)實的機器學習任務中,經(jīng)常遇到從一組變量中挑選一個子集的問題,即子集選擇問題.對于這類問題的求解是NP難的.最近,一種基于多目標演化算法的子集選擇算法POSS被提出;無論是在理論上還是在實驗上,POSS方法均獲得了目前的最佳性能.然而,當問題規(guī)模很大的時候,POSS方法的運行時間變得難以令人滿意,這阻礙了其在大規(guī)模實際問題中的應用.提出了一種基于分解策略的多目標演化子集選擇算法DPOSS.DPOSS方法將整個子集空間分解成多個子空間,并依次調(diào)用POSS方法來求解.在理論上,DPOSS方法在獲得和POSS方法相同近似性能下界的同時,運行時間隨著分解個數(shù)的增加超線性下降.實驗結(jié)果驗證了這一理論,并顯示出,DPOSS方法的實際性能隨著分解個數(shù)的增加略有下降,但依然優(yōu)于以往的貪婪算法.
【作者單位】： 南京大學計算機軟件新技術國家重點實驗室;軟件新技術與產(chǎn)業(yè)化協(xié)同創(chuàng)新中心;中國科學技術大學計算機科學與技術學院;
【關鍵詞】： 機器學習 子集選擇 多目標優(yōu)化 多目標演化算法 分解策略
【基金】：國家自然科學基金(批準號:61333014,61321491)資助項目
【分類號】：TP18
【正文快照】： 國家自然科學基金(批準號:61333014,61321491)資助項目1引言在許多現(xiàn)實的機器學習任務中,經(jīng)常遇到這樣一類問題:從給定的n個變量中選擇大小不超過k的一個子集來優(yōu)化某個給定的目標.這類問題被稱為子集選擇(subset selection)問題,其起源于矩陣列選擇問題,即從一個給定的矩陣中，

本文編號：1091063