覆盖算法的概率模型

被引：10

作者：

张铃

吴涛

周瑛

张燕平

机构：

[1] 安徽大学计算智能与信号处理教育部重点实验室

来源：

软件学报 | 2007年 / 11期

基金：

高等学校博士学科点专项科研基金; 安徽省自然科学基金;

关键词：

机器学习; 神经网络; 覆盖算法; 有限混合概率模型;

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：

摘要：

要从本质上提高覆盖算法的精度,必须在算法中引入全局的优化计算.为此,先将覆盖算法扩展成核覆盖算法(以高斯函数为核函数),再利用高斯函数的概率意义(高斯分布),为核覆盖算法建立一个有限混合概率模型,在此基础上,利用"最大似然原理"引入全局优化计算,并利用EM(expectation maximization)方法进行求解,完成对覆盖算法的全局优化计算,从而扩大覆盖方法的使用范围并提高算法的精度,且将它从确定的模型扩展成概率的模型,后者更具抗噪声干扰的能力.最后给出模拟实验,实验比较结果表明,经优化后的概率模型确实提高了算法的精度.

引用

页码：2691 / 2699

页数：9

共 11 条

[1]

神经网络作为分类器的算法研究及在信息检索中的应用.[D].周瑛.安徽大学.2006, 12

[2]

支撑矢量机与核方法研究.[D].张莉.西安电子科技大学.2002, 01

[3]

Maximum Likelihood from Incomplete Data via the EM Algorithm.[J].A. P. Dempster;N. M. Laird;D. B. Rubin.Journal of the Royal Statistical Society. Series.1977, 1

[4] 机器学习中的核覆盖算法 [J].