论文部分内容阅读
针对有限样本学习机器的偏差／方差的困境，以及过拟合引起的泛化性能的下降，分析了样本选择对学习机器泛化的影响，提出误差相关度学习算法ECL，利用误差相关度来权衡偏差和方差的关系，避免了求解复杂学习系统的VC维数，并以样本点的误差相关度为指标来选择训练子集，提高学习机器的泛化性能。仿真结果表明ECL算法有效地抑制过拟合现象的发生，保证学习机器泛化性能的提高。