论文部分内容阅读
基于随机梯度下降法,提出了在线支持张量机(online support tensor machine,OSTM)算法。该算法的学习数据是张量模式,并以序列方式获取。算法利用张量秩一分解来代替原始张量辅助内积运算,不仅保持了原始张量的自然结构信息和关系,也极大地节省了存储空间和计算时间。在13个张量数据集上的实验表明,与在线支持向量机相比,在拥有可比的测试精度的情况下,在线支持张量机具有更快的训练速度,尤其对于高阶张量,其优越性更明显。