当前位置: 首页 » 资料 » 健康论文 » 基于稀疏贝叶斯回归的正则化核密度估计算法

基于稀疏贝叶斯回归的正则化核密度估计算法

放大字体  缩小字体 更新日期:2018-11-26  浏览次数:7
摘 要:为了加快核密度估计(KDE)的计算速度,简化模型复杂度,提出了一种基于稀疏贝叶斯回归的KDE稀疏构造算法SBR―KDE.该算法将经人工加噪处理后的分布函数逼近值作为输入,获得了KDE的极为稀疏表示形式
  • 【题 名】基于稀疏贝叶斯回归的正则化核密度估计算法
  • 【作 者】尹训福 郝志峰
  • 【机 构】华南理工大学计算机科学与工程学院 广东广州510006 广东工业大学计算机学院 广东广州510090
  • 【刊 名】《华南理工大学学报:自然科学版》2009年 第5期 123-129页 共7页
  • 【关键词】机器学习 核密度估计 贝叶斯回归 不适定逆问题 人工加噪正则化 高斯化
  • 【文 摘】为了加快核密度估计(KDE)的计算速度,简化模型复杂度,提出了一种基于稀疏贝叶斯回归的KDE稀疏构造算法SBR―KDE.该算法将经人工加噪处理后的分布函数逼近值作为输入,获得了KDE的极为稀疏表示形式.实验结果表明:与传统KDE算法相比,在保持相当计算精度(多数情况下降低了模型误差)的情况下,文中算法的时空效率大幅度提高,而且在小样本训练集条件下得到的密度估计更光滑;独立成分分析及高斯化变换的应用使文中算法在一定程度上缓解了维数灾难.
 
本文导航:
  • (1) 机器学习,核密度估计,贝叶斯回归,不适定逆问题,人工加噪正则化,高斯化
  • 下一篇:鳖甲
  • 上一篇:暂无
 
[ 资料搜索 ]  [ 加入收藏 ]  [ 告诉好友 ]  [ 打印本文 ]  [ 关闭窗口 ]

 

 
推荐图文
推荐资料
热门关注