在线学习及其在智能交通与金融工程中的应用
| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 1 在线学习概述 | 第7-11页 |
| ·在线学习简介 | 第7页 |
| ·在线学习常用算法的演变与综述 | 第7-9页 |
| ·更新方式 | 第8页 |
| ·应用类型 | 第8页 |
| ·更新动机 | 第8-9页 |
| ·在线学习的扩展及应用 | 第9页 |
| ·本文的主要工作 | 第9-11页 |
| 2 基于Perceptron的算法综述与比较 | 第11-21页 |
| ·基于核的Perceptron算法简介 | 第11-12页 |
| ·基于Perceptron的改进算法 | 第12-16页 |
| ·Passive-Aggressive算法 | 第12-13页 |
| ·Kernel Forgetron | 第13-14页 |
| ·Projectron算法 | 第14-16页 |
| ·一个改进的Projectron算法 | 第16-18页 |
| ·动机 | 第16页 |
| ·SMProj算法 | 第16-18页 |
| ·试验experiment | 第18页 |
| ·总结及展望 | 第18-21页 |
| 3 Boosting的在线视角及工程应用 | 第21-33页 |
| ·Boosting简介 | 第21页 |
| ·列车停车问题 | 第21-22页 |
| ·高斯过程与Boosting回归技术 | 第22-27页 |
| ·高斯过程 | 第22-23页 |
| ·Boosting回归技术 | 第23-25页 |
| ·高斯过程的Boosting方法 | 第25-27页 |
| ·Boosting回归在停车系统上的应用及试验 | 第27-31页 |
| ·总结及展望 | 第31-33页 |
| 4 Regret与投资组合 | 第33-44页 |
| ·投资组合简介 | 第33-34页 |
| ·在线投资组合算法 | 第34-37页 |
| ·权重学习策略 | 第34-36页 |
| ·趋势预测策略 | 第36-37页 |
| ·改进的CorrReg算法 | 第37-40页 |
| ·动机 | 第37页 |
| ·CorrReg算法 | 第37-40页 |
| ·试验 | 第40-41页 |
| ·总结及展望 | 第41-44页 |
| 参考文献 | 第44-48页 |
| 致谢 | 第48-49页 |
| 科研成果:论文及专利 | 第49-50页 |
