论文部分内容阅读
相关向量机（Relevance vector machine，RVM）是一种函数形式等价于支持向量机（Support vector machine，SVM）的全概率模型，利用变分贝叶斯（Variational Bayesian，VB）方法求解的RVM可以给出所有参数的后验分布，进一步，通过对样本所在原始特征空间的稀疏化，基于线性核的RVM可以在分类的同时实现对原始特征的线性选择．本文在传统VB—RVM的基础上提出一种特征选择和分类结合方法．该方法采用Probit模型将分类问题与回归问题有机地结合起来，同时