基于误差相关度学习样本选择

摘要：

针对有限样本学习机器的偏差/方差的困境,以及过拟合引起的泛化性能的下降,分析了样本选择对学习机器泛化的影响,提出误差相关度学习算法ECL,利用误差相关度来权衡偏差和方差的关系,避免了求解复杂学习系统的VC维数,并以样本点的误差相关度为指标来选择训练子集,提高学习机器的泛化性能.仿真结果表明ECL算法有效地抑制过拟合现象的发生,保证学习机器泛化性能的提高.

关键词：学习机器、过拟合、泛化、训练子集、误差相关度

所属期刊栏目：28

分类号：TP181(自动化基础理论)

资助基金：江苏省教育厅自然科学基金06KJD470182;徐州师范大学校基金06XLA21

在线出版日期：2007-10-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：3965-3967