基于核对齐的若干学习问题研究

发布时间：2021-08-23 16:02

　　核方法是一种常用的模式分析方法,其原理是通过一个非线性映射把线性不可分的问题转化为高维特征空间中的线性可分问题,从而可以使用线性算法处理问题,且空间中的内积可以直接利用核函数来计算。核方法性能的优劣很大程度上取决于核函数的选择正确与否,因为不同的核函数在映入的高维空间中生成不同的结构。此外,当核函数的类型选定后,核参数的选择也对算法的性能有很大影响。因此,如何选择核函数以及核参数一直是机器学习领域内广为关注的热点问题。核对齐旨在度量两个核函数之间一致性的程度,是一种核函数选择方法,常用来为特定的学习问题选择合适的核函数。用核对齐选择核函数的优点在于只需要计算对齐值以使核函数适用于学习问题,而与具体的分类器训练过程无关。在核对齐概念被提出来以后,很多学者对核对齐进行了改进、扩展和应用。本文基于核对齐主要研究了模糊核的选择及其在异构数据属性约简中的应用,多标记数据的核函数选择及其特征选择等问题。主要研究内容如下:（1）提出了基于核对齐选择模糊核的新方法。在模糊决策系统中定义了一种新的理想核,并构建了一种模糊核对齐模型。通过最小化定义的理想核和属性空间中的模糊核之间的模糊对齐值选择模糊核。为... 

【文章来源】：华北电力大学(北京)北京市 211工程院校 教育部直属院校

【文章页数】：117 页

【学位级别】：博士

【部分图文】：

图３－１?：分类问题??Ｆｉｇ．?３－１?Ａ?ｔｗｏ－ｃｌａｓｓ?ｐｒｏｂｌｅｍ??

【参考文献】：
期刊论文
[1]基于条件信息熵的决策表约简[J]. 王国胤,于洪,杨大春.  计算机学报. 2002(07)



本文编号：3358174