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