论文部分内容阅读
正则化最小二乘分类（RLSC）是一种基于二次损失函数的正则化网络，其推广能力受模型参数影响，传统的模型选择方法是耗时的参数网格搜索．为此，提出一种新颖的AlignLoo模型选择方法，其关键在于将核参数与超参数分开优化,即最大化核-目标配准以选择最优核参数，最小化RLSC的留一法误差的界以选择最优超参数．该方法效率高且不需验证样本，并在IDA数据集上进行了测试，结果表明方法有效．