再生核希尔伯特空间相关论文
基于距离的装配体相似性度量方法由于忽略了对距离分布的分析，在其案例初筛过程中，采用该方法时易导致丢失部分相似的案例。针对这一......
具有不同特征的患者在临床治疗效果方面具有显著的异质性,个性化医疗旨在根据患者特征给个体患者提供准确的治疗方案。因此,个性化......
随着计算机科学理论和应用的不断发展,如何利用计算机来帮助我们理解和处理数据信息成为当今科学技术领域一个重要研究课题。从给......
数据驱动的故障诊断近年来被广泛研究,非高斯分布特性广泛存在于现代工业过程数据中,传统基于高斯分布假设的数据驱动方法在面对具......
本文的主要研究对象是学习理论中的谱正则化算法。谱正则化算法是一类基于再生核Hilbert空间（RKHS）的学习型算法，该算法通过定义正则......
学习算法的误差理论研究是统计学习理论的主要研究课题之一。本文旨在把大间隔分类算法（LUMs）的误差理论推广到取样过程更一般的情形......
再生希尔伯特空间中的核自适应线性最小均方算法(KLMS)，是输入空间映射到高维特征空间后线性最小均方算法(LMS)的直接运用，它在......
近年来,随着科技和信息技术的发展,高维小样本问题和不平衡数据问题越来越受研究者的重视。支持向量机算法是最流行的分类算法之一......
在地理科学、卫星航天、医学镜像等很多领域中,实验者常常需要在球面上布置均匀分布的点集.那么如何有效的度量点集的均匀性,是个......
由于科学技术的不断发展,特别是计算机技术的快速发展,高维数据在众多领域中不断地涌现,例如互联网大数据、社会经济数据、生物医......
20世纪90年代中期，在统计学习理论的基础上发展起来了一种新的模式识别方法.这是由V.N.Vapnik等人提出的支持向量分类机(SVM).它是......
学习问题是利用有限数量的观测来寻找待求依赖关系的问题.统计学习理论是由Vapnik等人提出的一种有效的样本学习下的理论.支持向量......
学习机器组合算法的研究越来越受到关注．有大量的实验表明把个体学习机器组合起来可以提高推广能力，但仍有许多理论问题需要解决． ......
在很多学习问题中，有时我们不是简单的把样本分为给定的类数，而是把这些样本按一定的特征进行排序，例如，在信息检索中。在今天的信息社......
多变量函数的积分与逼近问题一直是计算数学的一个主要研究课题，现今这个问题已经引起了广泛地关注，也遍布于近年来的许多文章中，并且......
在α稳定分布噪声环境下,最小平均P范数算法(LMP)的鲁棒性显著强于最小均方算法(LMS),但是在非线性系统中LMP算法性能严重退化。运......
研究了再生核希尔伯特空间中流形正则化下的最小二乘算法的学习能力和收敛速度.该算法能够充分利用输入空间的几何特点以及半监督......
经典的最大均方差异统计量MMD_(b)(F,X,Y)和MMD_(u)^(2)(F,X,Y)基于等量假设(即m=n)来检验两组样本X={x1,x2,……,x_(m)}和Y={y1,y......
为了满足对于复杂生产过程监测的需要,本文提出了一种基于稀疏核主角的在线故障检测方法。核函数方法能够通过非线性映射在高维特......
基于解析平移不变Mercer核的再生核希尔伯特空间，利用再生性，证明当核是解析时，再生核希尔伯特空间中的每一个函数都是实解析的，并且给......
针对回归问题的一致性分析，给出再生核希尔伯特空间的子空间及覆盖数的一些重要结论．...
研究了在样本集中删除一个元素后二部排序算法的稳定性。证明了如果使用lγ作为排序亏损函数,那么算法在具有得分一致稳定的前提下......
纸基于复制核 Hilbert 空格与 Multicategory 支持向量机器(MSVM ) 分类器的错误分析有关。我们选择多项式核为纺织品商人核并且与......
研究在样本集中删除一个元素后k-部排序算法的稳定性。证明如果使用lγ作为排序亏损函数,那么算法在具有得分一致稳定的前提下也具......
鉴于多分辨率信号逼近算法（MSA算法）中尺度空间是再生核希尔伯特空间（RKHS）这一事实。借助于支持向量机（SVM）优秀的分类能力和泛化性能，提......
对原有的正则化本体模型加以改进，分别从再生核希尔伯特空间及线性空间 Rm出发，得到有噪或半监督学习框架下的新正则化求解模型，将计......
在充分研究和比较多种降低多传感器交叉敏感方法的基础上,介绍一种用于消除或降低压阻式压力传感器交叉敏感的张量积再生小波核支......
This paper studies the model-robust design problem for general models with an unknown bias or contamination and the corr......
本文研究一类由Host指数为1/2〈H〈1的分数布朗运动（FBM）所引起的观测过程的非线性滤波问题，考虑关于分数布朗运动的—个再生核希尔伯......
针对大规模数据集的回归和分类问题，改进了最小二乘支持向量机．以再生核希尔伯特空间中的线性分析为基础，把样本集映射到再生空间中。......
在基于标架型的再生核希尔伯特空间中，研究了SVM算法下，解的对偶形式和原形式之间的关系，进而将SVM算法与最小二乘法相结合，讨论了支持......
大规模数据集上非线性支持向量机（support vector machine,SVM）的求解代价过高,然而对于线性SVM却存在高效求解算法.为了应用线性SVM......
本文研究了由高斯核的方差在算法中引起的一些误差，利用再生核的一些特殊性质对这些误差进行分析．这些误差在分析算法的收敛速度时起......
在已有文献用Rademacher复杂性代替传统的VC维作为学习模型复杂性的度量的基础上,讨论再生核希尔伯特空间的Rademacher复杂性;并具......
使用对称正定(symmetricpositivedefinite,简称SPD)矩阵将视觉数据建模到黎曼流形(SPD流形),对于模式识别和机器学习中许多任务有......
提出了多标记分类和标记相关性的联合学习（JMLLC）,在 JMLLC 中,构建了基于类别标记变量的有向条件依赖网络,这样不仅使得标记分类器......
PAC-Bayes边界理论融合了贝叶斯定理和随机分类器的结构风险最小化原理,为机器学习算法提供了一个理论框架,进而可以推导出最紧的......
随着现代科学技术的发展,人们每天都要面对大量无法直接理解的数据。如何利用计算机来帮助我们理解和处理数据信息成了当今科学技......
在本文中,我们主要研究了统计学习中的回归和谱聚类算法。主要贡献可分为以下三个部分。首先,研究回归问题。在样本无界的背景下,......
阐述了核方法的基本原理与研究动机,分析了特征空间的性质,介绍了常见的核方法,给出了构建新核方法的步骤及需要注意的问题,指出了......
在概率统计中,高斯过程是一种普遍存在和重要的随机过程,而再生核希尔伯特空间是计算数学的重要理论。高斯过程的Karhunen-Loève......
随机过程是研究偶然现象的重要手段。高斯过程是最重要的随机过程。它是信号处理的重要工具,与核函数、紧算子、小偏差概率联系紧......
核自适应滤波在处理非线性问题时表现出良好性能,已引起国内外学者的关注,是信号处理的一个研究热点。本文主要研究核自适应滤波算......
在信号处理领域,滤波技术有着举足轻重的作用,因为待处理信号或多或少含有外界的干扰,故过滤或减轻这些噪声是很有必要的。经典的......
在高速无线通信领域，为消除码间干扰（ISI）必须研究非线性信道均衡技术。基于再生核希尔伯特空间（RKHS）研究非线性信道的自适应均衡算法......
因果推断是一门在统计学科基础上发展起来的,专门用于研究事物间因果关系的学科。它在流行病学、医学、社会学、计量经济学以及行......
针对逆向工程的评估与方法交流(Dialogue for Reverse Engineering Assessments and Methods,DREAM)第四次竞赛(DREAM4)中In-Silic......
