学习算法的稳定性与泛化(Ⅱ):有界差分稳定框架

摘要：

根据有界差分条件,提出了学习算法的有界差分稳定框架.依据新框架,研究了机器学习阈值选择算法,再生核Hilbert空间中的正则化学习算法,Ranking学习算法和Bagging算法,证明了对应学习算法的有界差分稳定性.所获结果断言了这些算法均具有有界差分稳定性,从而为这些算法的应用奠定了理论基础.

关键词：学习理论、稳定性、泛化性、有界差分稳定

所属期刊栏目：26

分类号：O236(控制论、信息论（数学理论）)

资助基金：国家重点基础研究计划9732007CB311002;国家自然科学基金60975036;陕西省教育厅科研计划08JK473

在线出版日期：2011-07-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：1-11