不定核相关论文
两阶段学习算法是将一些传统机器学习算法由原始的一步解决问题的过程拆分为两个不同的学习阶段,而问题求解的本质保持不变的学习......
核方法因其良好的泛化性能在分类、回归、聚类等机器学习领域得到了广泛的应用。在回归问题中,引入核函数的支持向量回归是解决非......
核方法因其良好的表达能力和非线性映射等优点,成为机器学习算法中一种有效的工具,其中最具代表性的应用为支持向量机方法(Support......
对线性不可分的问题,已有许多基于正定核的降维方法,Fisher判别分析法是其中常用的方法。本研究对此类方法进行了改进和推广,首先......
受限于传统统计学习理论,大多数核方法都要求核矩阵半正定,但是在很多实际问题中这样的要求常常很难满足,由此产生了不定核。近年......
为了解决不定核Fisher判别分析(IKFDA)在处理高维小样本数据时的病态问题,基于Kreǐn空间提出了两阶段的IKFDA学习框架TP-IKFDA;为......
本文分析了基于非独立同分布样本的最小二乘系数正则化算法的误差。全文的框架不同于以往的经典核学习方法。核函数仅仅满足连续性......
以短期融资券为研究对象,构建基于信用利差的公司违约概率样本,并将传统正定核最小二乘支持向量机（LS-SVM）模型拓展到不定核LS-SVM模......
近年来,在机器学习的各个领域出现了越来越多不定的度量核矩阵,使得不定核支持向量机(IKSVM)得到了广泛关注。但是,现有IKSVM算法......
