泛化误差界相关论文
高维度数据通常具有很强的不确定性,主要表现为数据的稀疏和不一致.稀疏就是所获取的数据有缺失,不一致就是数据中有重复或者描述......
支撑向量机(Support Vector Machine,SVM)是近年来受到广泛关注的一类学习机器,它以统计学习理论(Statistical Learning Theory,SL......
间隔理论是Boosting算法泛化性分析的关键,因此,基于间隔理论的Boosting算法设计成为当前重要的研究课题。本文基于最新间隔理论成......
学位
数据表示在信号处理、图像处理、计算机视觉和模式识别等领域引起了研究者的广泛关注,其中字典学习(Dictionary Learning,DL)算法......
基于支持向量机(SVM)的卷积神经网络(CNN)模型结合了大间隔原理,在图像识别中表现出了优异的泛化性能。然而,该方法忽视了一个关键......
图像识别技术是模式识别领域的研究热点之一,其任务是利用在训练集上学习到的预测模型来判断给定图像的类别或属性。近年来,随着计......
在提高字典鉴别能力的过程中,最大间隔字典学习忽视了利用重新获得的数据构建分类器的泛化性能,不仅与最大间隔原理有关,还与包含......
基于支持向量机(SVM)泛化误差界,提出了一种精确且有效的多核学习方法.首先,应用SVM泛化误差界推导多核学习优化形式,并给出求解其......
