基于最小包含球的异质空间大数据集快速相似度学习算法
CSTR:
作者:
作者单位:

1. 江南大学数字媒体学院,江苏无锡214122;
2. 齐鲁工业大学信息学院,济南250353;
3. 贵州民族大学理学院,贵阳550025.

作者简介:

董爱美

通讯作者:

中图分类号:

TP181

基金项目:

国家自然科学基金项目(61170122, 61202311);江苏省自然科学基金项目(BK2012552);山东省高等学校科研计划项目(J14LN05).


Fast affinity learning algorithm for heterogeneous space large scale datasets using minimum enclosing ball
Author:
Affiliation:

1. School of Digital Media,Jiangnan University,Wuxi 214122,China;
2. Information School,Qilu University of Technology,Ji’nan 250353,China;
3. Science School,Guizhou Minzu University,Guiyang 550025,China.

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    针对跨空间数据相似度学习问题提出的跨空间相似度学习(CSAL) 算法表现出了良好的性能, 并已成功地应用于各类推荐系统中. 但构建一个完善的推荐系统, 其待处理的数据量常呈现大样本特征, 而CSAL 算法并不具备大样本快速处理能力. 针对此不足, 提出了跨空间相似度学习-最小包含球(CSAL-MEB) 方法和跨空间相似度学习-核向量机(CSAL-CVM) 快速方法. CSAL-CVM 方法既具有渐近线性时间复杂度和空间复杂度的优点, 同时又继承了CSAL 的良好性能. 相关实验亦验证了所提出方法的有效性.

    Abstract:

    For the cross-space affinity learning problem, the recently-proposed cross-space affinity learng(CSAL) algorithm exhibits its good performance, and successfully applies to various recommendation systems. The data of a perfect recommendation system often have characteristics of large scale sample, but the CSAL algorithm does not have the capacity of fast processing big data. To solve this problem, the cross-space affinity learng-minimal enclosing ball(CSAL-MEB) method and cross-space affinity learng-core vector machine(CSAL-CVM) method are proposed. The CSAL-CVM method has the merits of asymmetric time complexity and space requirements independent of data scale as well as inherits the good performance of the CSAL algorithm. Experiments are given to verify the effectiveness of the proposed method.

    参考文献
    相似文献
    引证文献
引用本文

董爱美 王士同 蒋亦樟 黄成泉.基于最小包含球的异质空间大数据集快速相似度学习算法[J].控制与决策,2014,29(9):1553-1561

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2013-06-02
  • 最后修改日期:2013-10-01
  • 录用日期:
  • 在线发布日期: 2014-09-20
  • 出版日期:
文章二维码