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。