分类超曲面算法复杂度研究
文献类型：期刊论文
| 作者 | 何清; 赵卫中; 史忠植 |
| 刊名 | 计算机学报
 |
| 出版日期 | 2010 |
| 卷号 | 000期号:004页码:666 |
| 关键词 | 分类超曲面算法 VC维 PAC可学习性 样本复杂度 |
| ISSN号 | 0254-4164 |
| 英文摘要 | 分类超曲面算法是一种简单的基于覆盖的分类算法.实验证明该算法具有分类正确率高、速度快的优点.但是,关于该算法的相关理论问题需要深入研究.文中对该算法的几个相关理论问题进行了研究.首先给出并证明了在分割的最大层数给定时算法假设空间的VC维,在此基础上结合可能近似正确（Probably Approximately Correct,PAC）学习框架,得出了对算法样本复杂度的估计,使得分类超曲面算法保证可PAC学习到任意目标概念.其次,分析了算法的时间复杂度和空间复杂度.最后,给出了无矛盾样本集的概念,并证明当输入样本集是有限无矛盾样本集的条件下,算法一定是收敛的. |
| 语种 | 英语 |
| 源URL | [http://119.78.100.204/handle/2XEOYT63/27070]  |
| 专题 | 中国科学院计算技术研究所期刊论文_中文 |
| 作者单位 | 中国科学院计算技术研究所 |
| 推荐引用方式 GB/T 7714 | 何清,赵卫中,史忠植. 分类超曲面算法复杂度研究[J]. 计算机学报,2010,000(004):666. |
| APA | 何清,赵卫中,&史忠植.(2010).分类超曲面算法复杂度研究.计算机学报,000(004),666. |
| MLA | 何清,et al."分类超曲面算法复杂度研究".计算机学报 000.004(2010):666. |
入库方式： OAI收割
来源：计算技术研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。