通过对统计机器学习深入研究,研究人员认为统计机器学习理论有三个核心问题,他们是:1、风险界的问题(涉及VC维的计算或者估计);2、......

该文在对遗传算法已有模型的完善和推广的基础上,建立了遗传算法的Markov决策过程模型.详细研究了目前遗传算法领域几个普遍关注的......

为克服经典支持向量分类器(SVC)训练算法中参数的选择需要多次人工调整的缺陷,本文提出了基于多分辨率核的支持向量机参数自适应调......

Sauer引理是统计学习理论中的基本结论.在许多实际问题中,需要研究N类模式识别问题.本文将Sauer引理推广到N类分类问题.......

结合贝叶斯网络与核函数,通过概率分布等价性的转换,分析了四值贝叶斯网络诱导的内积空间,得到无连接、全连接以及k个节点具有一个......

概率模型和核函数相结合的方法是学习系统的热点研究领域，贝叶斯网络是重要的一类概率图形模型。文中主要讨论了变量取值在布尔域上......

在结构风险中采用l∞-范数来控制模型复杂性的基础上，提出基于线性规划的支撑向量机，并通过求解对偶规划来提高单纯形学习算法的计算......

人工神经网络的知识增殖能力是该领域的热点和难点问题,具有重要的理论和实践意义.对人工神经网络的知识增殖性问题进行了较深入的......

针对支持向量机（Support Vector Machine，SVM）在分类问题上的运用，分析在结构风险中采用一般范数控制模型的复杂性问题，提出基于l1-，．范数......