10.3969/j.issn.1000-3428.2012.09.054
基于信任权学习的在线分类算法
鉴于高斯过程对处理高维数、小样本、非线性等复杂问题具有较好的适应性,将其引入到在线分类器学习算法中,形成一种新型的在线分类算法,即信任权算法.该算法的信任权超参数为模型向量的高斯分布,每训练一次样本就修正一次模型向量的信任权,并使样本正确分类的概率在某个特定信任域内.采用人工和实际数据进行实验,结果表明信任权算法优于传统的感知器算法.
信任权学习、感知器、在线学习、大间隔、高斯分布
38
TP301.6(计算技术、计算机技术)
2012-07-13(万方平台首次上网日期,不代表论文的发表时间)
共3页
180-182