In Kernel Fisher discriminant analy

In Kernel Fisher discriminant analysis (KFDA), we carry out Fisher linear discriminant analysis in a high dimensional feature space defined implicitly by a kernel. The performance of KFDA depends on the choice of the kernel; in this paper, we consider the problem of finding the optimal kernel, over a given convex set of kernels. We show that this optimal kernel selection problem can be reformulated as a tractable convex optimization problem which interior-point methods can solve globally and efficiently. The kernel selection method is demonstrated with some UCI machine learning benchmark examples.

Results (Thai) 1:

ในการวิเคราะห์ discriminant ในเคอร์เนล Fisher (KFDA), เรายกออก Fisher discriminant เชิงวิเคราะห์ในมิติคุณลักษณะสูงพื้นที่กำหนด โดยเคอร์เนลเป็นนัย ประสิทธิภาพของ KFDA ขึ้นอยู่กับตัวเลือกของเคอร์เนล ในเอกสารนี้ เราพิจารณาปัญหาของเคอร์เนลดีที่สุด ค้นหาผ่านชุดให้นูนของเมล็ด เราแสดงว่า สามารถมีปัญหาเลือกเมล็ดที่ดีที่สุดที่สามารถแก้ปัญหาปรับ tractable นูนซึ่งภายในจุดวิธีทั่วโลก และมีประสิทธิภาพ วิธีการเลือกของเคอร์เนลจะแสดง ด้วยเครื่อง UCI บางตัวอย่างมาตรฐานการเรียนรู้

Results (Thai) 2:

ฟิชเชอร์ในเคอร์เนลวิเคราะห์จำแนก (KFDA) เราดำเนินการวิเคราะห์เชิงเส้นฟิชเชอร์ในพื้นที่จำแนกคุณลักษณะมิติสูงที่กำหนดโดยปริยายโดยเคอร์เนล ประสิทธิภาพการทำงานของ KFDA ขึ้นอยู่กับทางเลือกของเมล็ด; ในบทความนี้เราพิจารณาปัญหาของการหาเมล็ดที่เหมาะสมกว่าชุดนูนที่กำหนดของเมล็ด เราแสดงให้เห็นว่าปัญหานี้ตัวเลือกที่เหมาะสมเคอร์เนลสามารถ reformulated เป็นปัญหาการเพิ่มประสิทธิภาพของซูฮกนูนซึ่งวิธีการตกแต่งภายในจุดสามารถแก้ทั่วโลกและมีประสิทธิภาพ วิธีการเลือกเมล็ดจะแสดงให้เห็นกับบางเครื่อง UCI ตัวอย่างการเรียนรู้มาตรฐาน

Results (Thai) 3:

ในเมล็ดฟิชเชอร์จำแนกการวิเคราะห์ ( KFDA ) เราดำเนินการเชิงเส้น การวิเคราะห์จำแนก ชาวประมงในพื้นที่มีมิติสูงกำหนดโดยปริยายโดยเคอร์เนล ประสิทธิภาพของ KFDA ขึ้นอยู่กับทางเลือกของเคอร์เนล ในกระดาษนี้เราพิจารณาปัญหาของการค้นหาโปรแกรมที่เหมาะสมกว่าให้เซตนูนของเมล็ดเราแสดงให้เห็นว่านี้เป็นปัญหาที่สามารถเลือกเงื่อนไขที่เป็นปัญหาการเพิ่มประสิทธิภาพนูนเครื่องทำน้ำร้อนซึ่งวิธีการจุดภายใน สามารถแก้ปัญหาทั้งระบบ และมีประสิทธิภาพ การเลือกวิธีการแสดงเคอร์เนลกับ UCI การเรียนรู้เครื่องตัวอย่างมาตรฐาน .