隔离内核
首次引入隔离内核（IK）作为现有数据独立内核（例如高斯和拉普拉斯内核）的替代方法。 IK具有以下独特功能：
IK直接从数据派生，并且不与表达式封闭。
它的内核相似性取决于数据：稀疏区域中的两个点比密集区域中点间距离相等的两个点更相似。
它具有稀疏的有限维特征图。
IK的独特功能图（功能III）具有以下优点：
启用有效的点积和GPU加速（如果使用NN方法实现）[2，4]
使用带有内核均值图的隔离分布内核（IDK），它启用了线性时间算法，否则该算法将是不可能的-依靠点对点距离/内核进行基本运算的算法至少具有二次时间[5，6 ，9]
IK的数据依赖性（功能II）在以下任务中提高了特定于任务的性能：
分类：SVM [1]，SVM多实例学习[3]，大规模在线内核学习[4]
集群：DBSCAN [2]，psKC [9]，聚集层次集群[8]
异常检测：点异常[5]，组异常[
评论0