%0 Journal Article
%T 基于最小包含球的异质空间大数据集快速相似度学习算法
%A 董爱美
%A 王士同
%A 蒋亦樟
%A 黄成泉
%J 控制与决策
%P 1553-1561
%D 2014
%R 10.13195/j.kzyjc.2013.0720
%X 针对跨空间数据相似度学习问题提出的跨空间相似度学习(CSAL)算法表现出了良好的性能,并已成功地应用于各类推荐系统中.但构建一个完善的推荐系统,其待处理的数据量常呈现大样本特征,而CSAL算法并不具备大样本快速处理能力.针对此不足,提出了跨空间相似度学习-最小包含球(CSAL-MEB)方法和跨空间相似度学习-核向量机(CSAL-CVM)快速方法.CSAL-CVM方法既具有渐近线性时间复杂度和空间复杂度的优点,同时又继承了CSAL的良好性能.相关实验亦验证了所提出方法的有效性.
%K 最小包含球
%K 大数据
%K 异质空间
%K 相似度学习
%K 推荐系统
%U http://www.kzyjc.net:8080/CN/abstract/abstract12789.shtml