近日，公司2021级硕士研究生邵闻哲同学的论文“A Novel Regularization Method for Decorrelation Learning of Non-parallel Hyperplanes”在中科院一区SCI期刊，中国计算机学会推荐B类期刊（CCF B类）Information Sciences上发表。
论文概述：非平行超平面分类器比平行超平面分类器具有更广泛的适用性，并且通过分别训练每个超平面来加快了训练速度，受到了广泛研究。然而，它并未考虑非平行超平面之间的相关关系。此外，由于这些非平行超平面是建立在相同的训练数据上的，可能存在由于数据冗余导致它们之间的相关性。本文中，我们研究了非平行超平面分类器的去相关问题，提出了非平行超平面去相关算法（TWJCL）。我们将非平行超平面集成到一个统一模型中，并通过联合分类器学习方法探索这种关系。以双子支持向量机为例，我们在联合问题中添加了一个新的去相关正则化项。同时，还引入了一种有效的交替优化算法来解决优化问题中的非凸问题。为了评估所提出的方法，在基准数据库的二元和多类分类数据集上进行了一系列实验，与常用的平行和非平行超平面的分类器相比，实验结果验证了所提出方法的有效性。本文总体框架见下图：
期刊简介：Information Sciences是Elsevier旗下信息科学领域权威级期刊，该期刊主要涵盖机器学习、智能系统、数据挖掘、计算机视觉、自然语言处理、人工智能和其它相关领域的最新研究进展。该期刊具有很高的学术影响力和应用价值，它发表的文章对于推动信息科学的发展和推进具有重要作用，同时也为学者和研究人员提供了一个了解信息科学领域最新研究进展的重要平台。
本文第一作者是公司2021级硕士研究生邵闻哲同学，通讯作者为公司邵元海教授。
