近日，实验室与复旦大学、纽约州立大学阿尔巴尼分校、鲁汶大学合作的论文 Sparse Kernel Regression with Coefficient-based lq Regularization 在机器学习领域顶尖杂志 Journal of Machine Learning Research 在线发表，实验室黄晓霖老师为论文通讯作者。

论文探讨了使用 lq 范数在最小二乘框架下进行系数正则化的基础性理论问题。对于 q = 1 的情况（即标准的 1-范数正则化），给出了核回归方法中迄今最好的收敛速率。对于 0 < q < 1 的情况，给出了局部最优解的非零系数的减少情况，同时探讨了从任一初始值进行序贯优化的策略。

论文信息：

Lei Shi, Xiaolin Huang, Yunlong Feng, Johan A.K. Suykens: Sparse Kernel Regression with Coefficient-based lq regularization, Journal of Machine Learning Research, 161: 1-44

http://jmlr.csail.mit.edu/papers/v20/13-124.html