论文部分内容阅读
移动最小二乘（MLS）法是数据插值、数值分析和统计等学科领域的一种逼近方法．H．Y．Wang，D．H．Xiang，D．X．Zhou（J Approx Theory，2010，162：599—614．）用MLS方法研究了L2框架下学习理论中的回归问题，从而得到了样本误差、逼近误差的更优结果．但是很多函数类在L2框架下很难研究，于是本文用移动最小p乘（MLP）法将L2框架下学习理论中回归问题的一些理论推广到Lp（1≤p≤∞）框架下，从而为研究Lp框架下学习算法的泛化性能提供了理论基础．