未找到相关数据
密度函数估计的修正SVM法
被引：1
作者：
彭新俊
胡光华
机构：
[1] 云南大学数学系,云南大学数学系云南昆明 ,云南昆明
来源：
关键词：
密度估计;
支持向量机;
修正SVM;
正则化;
统计学习;
D O I：
暂无
中图分类号：
TP183 [人工神经网络与计算];
学科分类号：
081104 ;
0812 ;
0835 ;
1405 ;
摘要：
讨论密度函数的非参数估计问题,提出了一种修正的支持向量机(SupportVectorMachines,简记为SVM)方法,修正SVM法是在SVM方法的基础上进行简单改进而得到的,它是基于概率理论的概率大的事件其对应的样本数目会比概率小的事件的对应的样本数目多一些这一先验性质而产生的,这样估计的函数能更好地近似真正的密度函数.同时,由于密度函数的估计问题是不适定的,文中密度函数估计采用了正则化技术处理这一估计问题,最后通过一模拟实验,表明采用修正SVM法比采用SVM法进行密度函数估计能更好地逼近真实密度函数.
引用
收藏
页码：284 / 287
页数：4
相关论文