李有梅
- 作品数:2 被引量:18H指数:1
- 供职机构:中国计量大学理学院更多>>
- 发文基金:国家自然科学基金浙江省自然科学基金更多>>
- 相关领域:理学自动化与计算机技术更多>>
- 高斯核正则化学习算法的泛化误差
- 2014年
- 对广义凸损失函数和变高斯核情形下正则化学习算法的泛化性能展开研究.其目标是给出学习算法泛化误差的一个较为满意上界.泛化误差可以利用正则误差和样本误差来测定.基于高斯核的特性,通过构构建一个径向基函数(简记为RBF)神经网络,给出了正则误差的上界估计,通过投影算子和再生高斯核希尔伯特空间的覆盖数给出样本误差的上界估计.所获结果表明,通过适当选取参数σ和λ,可以提高学习算法的泛化性能.
- 张永全李有梅
- 关键词:RBF神经网络高斯核泛化误差
- 典型相关分析综述被引量:18
- 2017年
- 数据之间的相关性分析是大数据处理的重要组成部分,典型相关分析及其扩展方法在多个领域得到了广泛应用.主要有用于解决多数据集特征融合的多集合典型相关分析,用于处理特征之间非线性关系的核典型相关分析,用于处理有类别特征数据时的判别典型相关分析,用于处理有噪声数据时的稀疏典型相关分析等扩展方法.本文全面综述了典型相关分析原理及其各种扩展方法,最后对这一方法的研究前景给出讨论和展望.
- 李有梅梁珣
- 关键词:广义特征值问题