Czasopismo | PRZEGLĄD ELEKTROTECHNICZNY | Rocznik 2013 - zeszyt 1b

Maximum Margin Clustering Using Extreme Learning Machine

nr katalogowy: 74364

Maximum margin clustering (MMC) is a newly proposed clustering method, which extends large margin computation of support vector machine (SVM) to unsupervised learning. But in nonlinear cases, time complexity is still high. Since extreme learning machine (ELM) has achieved similar generalization performance at much faster learning speed than traditional SVM and LS-SVM, we propose an extreme maximum margin clustering (EMMC) algorithm based on ELM. It can perform well in nonlinear cases. Moreover, the kernel parameters of EMMC need not be tuned by means of random feature mappings. Experimental results on several real-world data sets show that EMMC performs better than traditional MMC methods, especially in handling large scale data sets. Streszczenie. Opisano nową metodę klastrowania "maximum margin clusterung MMC" która rozszerza wielkość marginesu obliczeń numerycznych w systemie SVM z uczeniem bez nadzoru. Nowa metoda EMMC (extreme maximum margin clustering) zapewnia szybsze uczenie, szczególnie w warunkach nieliniowości. (Nowa metoda klastrowania - extreme margin clustering EMC w systemach extreme learning machine ELM) Keywords: Maximum margin clustering, unsupervised learning, extreme learning machine (ELM), random feature mapping Słowa kluczowe: SVM - support vector machine, klastrowanie, uczenie bez nadzoru Introduction Our goal is to design a fast maximum margin clustering algorithm used to improve the conventional high computational complexity of MMC. This approach is formulated as a sequence of efficient ELM training. Firstly, we reformulate the MMC problem based on ELM as a nonconvex optimization problem, and then perform alternating optimization directly on the constructed nonconvex problem instead of relaxing it. Our key modification is to replace SVM or SVR by ELM with the square loss, which can not only speed up the MMC algorithm, but discourage premature convergence. Thus, compared to existing approaches, the proposed EM[...]

Jeśli masz wykupiony/przyznany dostęp - zaloguj się. Skorzystaj z naszych propozycji zakupu!

Publikacja


e-Publikacja (format pdf) - nr 74364 "Maximum Margin Clustering..." licencja: Osobista Produkt cyfrowy	10.00 zł

Zeszyt


PRZEGLĄD ELEKTROTECHNICZNY - e-zeszyt (pdf) 2013-1b licencja: Osobista Produkt cyfrowy	55.00 zł

Prenumerata

PRZEGLĄD ELEKTROTECHNICZNY - prenumerata cyfrowa
licencja: Osobista

Produkt cyfrowy
Nowość

762.00 zł

PRZEGLĄD ELEKTROTECHNICZNY - PAKIET prenumerata PLUS
licencja: Osobista

Szczegóły pakietu

Nazwa
PRZEGLĄD ELEKTROTECHNICZNY - PAKIET prenumerata PLUS (Prenumerata papierowa + dostęp do portalu sigma-not.pl + e-prenumerata)	1002.00 zł brutto 927.78 zł netto 74.22 zł VAT (stawka VAT 8%)

1002.00 zł

PRZEGLĄD ELEKTROTECHNICZNY - papierowa prenumerata roczna + wysyłka
licencja: Osobista

Szczegóły pakietu

Nazwa
PRZEGLĄD ELEKTROTECHNICZNY - papierowa prenumerata roczna	960.00 zł brutto 888.89 zł netto 71.11 zł VAT (stawka VAT 8%)
PRZEGLĄD ELEKTROTECHNICZNY - pakowanie i wysyłka	42.00 zł brutto 34.15 zł netto 7.85 zł VAT (stawka VAT 23%)

1002.00 zł

Zeszyt

2013-1b

Twój Koszyk

Publikacja

Zeszyt

Prenumerata

Zeszyt

Czasopisma