搜索筛选:
搜索耗时2.1405秒,为你在为你在102,285,761篇论文里面共找到 3 篇相符的论文内容
发布年度:
[学位论文] 作者：邵政毅,
来源：江南大学 年份：2021
线性回归是机器学习中比较热门的研究方法,广泛应用于分类、识别等多个领域。由于具有形式简单、易于建模、良好的可解释性等优点,线性回归是目前应用最广泛的方法。本文提出了三种新的线性回归方法,具体工作如下:首先,论文提出基于样本特征核矩阵的稀疏双线性......
[期刊论文] 作者：邵政毅,陈秀宏,
来源：计算机科学 年份：2021
在许多实际应用中出现了大量的冗余数据,这些数据可能是高维的,这时进行回归预测将会出现过拟合的现象,并且还会出现预测精度偏低等问题。另外,大多数回归方法都是基于向量的,忽略了矩阵数据原始位置之间的关系。为此,文中提出了一种基于样本特征核矩阵的稀疏双......
[期刊论文] 作者：李宗然,陈秀宏,陆赟,邵政毅,
来源：计算机科学 年份：2022
常见的无监督特征选择方法考虑的只是选择具有判别性的特征,而忽略了特征的冗余性,并且没有考虑到小类问题,故而影响到分类性能.基于此背景,提出鲁棒不相关回归算法.首先,对不相关回归进行研究,使用不相关正交约束,以便找出不相关但具有判别性的特征,不相关约束......
相关搜索：
