SciELO - Scientific Electronic Library Online

 
vol.16 número2Evaluación de la calidad de las imágenes de rostros utilizadas para la identificación de las personasIntegración de modelos de agrupamiento y reglas de asociación obtenidos de múltiples fuentes de datos índice de autoresíndice de materiabúsqueda de artículos
Home Pagelista alfabética de revistas  

Servicios Personalizados

Revista

Articulo

Indicadores

Links relacionados

  • No hay artículos similaresSimilares en SciELO

Compartir


Computación y Sistemas

versión On-line ISSN 2007-9737versión impresa ISSN 1405-5546

Resumen

ALIOSCHA-PEREZ, Mitchel; SAHLI, Hichem; GONZALEZ, Isabel  y  TABOADA-CRISPI, Alberto. Sparse and Non-Sparse Multiple Kernel Learning for Recognition. Comp. y Sist. [online]. 2012, vol.16, n.2, pp.167-174. ISSN 2007-9737.

The development of Multiple Kernel Techniques has become of particular interest for machine learning researchers in Computer Vision topics like image processing, object classification, and object state recognition. Sparsity-inducing norms along with non-sparse formulations promote different degrees of sparsity at the kernel coefficient level, at the same time permitting non-sparse combination within each individual kernel. This makes MKL models very suitable for different problems, allowing adequate selection of the regularizer according to different norms and the nature of the problem. We formulate and discuss MKL regularizations and optimization approaches, as well as demonstrate MKL effectiveness compared to the state-of-the-art SVM models using a Computer Vision Recognition problem.

Palabras llave : Multiple kernel learning; object state recognition; norm regularizers; analytical updates; cutting plane method; Newton's method.

        · resumen en Español     · texto en Inglés     · Inglés ( pdf )

 

Creative Commons License Todo el contenido de esta revista, excepto dónde está identificado, está bajo una Licencia Creative Commons