| 程丹松,杨剑哲,李思倩,石大明,王君,黄庆成.基于最小交叉熵的相关向量机[J].高技术通讯(中文),2014,24(9):942~947 |
| 基于最小交叉熵的相关向量机 |
|
| |
| DOI： |
| 中文关键词: 相关向量机(RVM), 贝叶斯推理, 最小交叉熵, 径向基函数(RBF)网络 |
| 英文关键词: |
| 基金项目: |
| 作者 | 单位 | | 程丹松 | 哈尔滨工业大学计算机科学与技术学院 | | 杨剑哲 | 哈尔滨工业大学计算机科学与技术学院 | | 李思倩 | 哈尔滨工业大学计算机科学与技术学院 | | 石大明 | 哈尔滨工业大学计算机科学与技术学院 | | 王君 | 哈尔滨工业大学计算机科学与技术学院 | | 黄庆成 | 哈尔滨工业大学计算机科学与技术学院 |
|
| 摘要点击次数: 3160 |
| 全文下载次数: 2542 |
| 中文摘要: |
| 研究了传统相关向量机（RVM）的性能，分析了传统RVM的性能完全取决于先验假设的连接权值和参数的平滑性，因而其稀疏性实际上仍受核函数或核参数选择的控制，这在某些情况下可能会导致严重的欠拟合或过拟合现象的问题，在此基础上，提出了明确地给出基函数优化过程中的目标数量，并通过最小化训练阶段前向“假定”概率分布和测试阶段反向“真实”概率分布间的交叉熵来构建RVM的方法。 实验结果表明，这种方法不但可以构建最小复杂度的基于最小交叉熵的RVM结构，而且构建的RVM能很好地对数据进行拟合，提高预测的准确性，增强其稀疏性。 |
| 英文摘要: |
| |
|
查看全文
查看/发表评论 下载PDF阅读器 |
| 关闭 |
|
|
|
