统一框架下在线核选择的竞争性分析
【摘要】 在线核选择旨在给出在线核学习每回合的最优核，是在线核学习的基础性和关键性问题。在线核选择问题可归约为专家建议框架问题，其中专家集对应候选核集;每回合，根据专家的权重及专家的建议给出预测结果，并更新专家的权重。基于这一归约，在改进已有后悔界的同时，提出期望在线核选择的概念，并应用专家建议框架与度量任务系统的统一框架，给出期望在线核选择问题的后悔界和竞争比，并证明该竞争比在损失拓展情况下是稳定的。最后，给出结合在线核学习方法的竞争比。该项工作全面推广了在线核选择的概念，在统一框架下，不仅可以得到亚线性后悔界，同时也能得到较强的竞争比，为在线核选择研究开辟了新的途径。
