AI 词汇表
人工智能完整词典
多核支持向量机
支持向量机的一种变体，它结合了多个（通常是加权的）核函数，通过同时捕获不同的特征结构或尺度来改善数据分离。
核的线性组合
一种核聚合方法，其中最终的核是基核的加权和，从而允许在隐式特征空间中融合它们各自的表示。
乘性核
通过多个核的乘积构建的核函数，它有利于特征交集，并且仅当各个分量同时相似时才增强相似性。
核权重学习
一个优化过程，它自动确定组合中每个核的最优加权系数，通常集成在SVM的成本函数中。
MKL (多核学习)
一个算法框架，它同时学习SVM分类器和最优的核组合，并将核权重作为待优化的额外参数。
异构核
一种设计用于处理不同类型数据（数值、分类型、文本型）的核，它通过结合针对每种数据视图或模态的特定核来操作。
块坐标下降法
一种在MKL中使用的交替优化算法，它通过固定一部分参数来优化另一部分参数，顺序更新核权重和分类器参数，从而保证收敛。
核正则化
在多核SVM中用于控制模型复杂度的技术，它通过对过大的核权重进行惩罚来避免过拟合并促进稀疏组合。
可变带宽核
一种核函数（通常是RBF），其宽度参数根据局部或维度进行自适应调整，常用于组合中以处理多尺度特征。
自动核选择
MKL（多核学习）中集成的过程，从候选核库中识别最相关的核子集，通过学习到的权重消除冗余或无信息的核。
语义相似性核
一种专门的核类型，用于编码实体（词、概念）之间的语义关系，在自然语言处理应用中常与结构核结合使用。
组合格拉姆矩阵
多核SVM中的最终相似性矩阵，通过对每个核的个体格拉姆矩阵进行加权组合获得，作为分类器优化的基础。
扩散核
基于图论的核，捕获节点之间的扩散相似性，常集成到组合中以拓扑信息丰富表示。
半正定优化（SDP）
一类凸优化问题，用于学习核权重，约束条件是组合核矩阵必须保持半正定，确保模型的数学有效性。
基函数核
一种方法，其中组合核被定义为预定义基函数的加权和，允许清晰地解释每种相似性类型对最终模型的贡献。
核协同学习
一种策略，其中多个核通过相互训练共同学习，每个核专门处理数据的子部分以提高组合的整体性能。
多重核交叉验证
MKL模型特有的评估方法，其中超参数选择不仅包括SVM参数，还包括核组合的配置和权重。