PAC-Bayes理论及应用研究综述

摘要：

PAC-Bayes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，它作为一个理论框架，可得到最紧的泛化风险边界。分析了PAC-Bayes理论的研究背景和重要意义，介绍了PAC-Bayes理论框架及其在支持向量机上的应用，分别探讨了多种机器学习算法的PAC-Bayes边界，并特别对非独立同分布数据的PAC-Bayes边界进行了分析。从4个方面深入阐述了PAC-Bayes边界应用的研究现状及进展，并对不同的研究方法和特点进行了比较。最后展望了PAC-Bayes边界未来的研究发展方向。

关键词：PAC-Bayes边界、支持向量机、泛化能力、分类器

分类号：TP181(自动化基础理论)

资助基金：The National Natural Science Foundation of China under Grant No.61170177;the National Basic Research Program of China under Grant No.2013CB32930X 国家重点基础研究发展计划973计划

在线出版日期：2015-01-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：1-13