高效预测的核学习方法
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-12页 |
| 第1章 绪论 | 第12-17页 |
| ·问题背景与意义 | 第12-14页 |
| ·本文工作及结构 | 第14-17页 |
| 第2章 学习理论中的核方法 | 第17-36页 |
| ·统计学习理论 | 第17-30页 |
| ·经验风险最小化 | 第18-22页 |
| ·解不定积分方程 | 第22-27页 |
| ·结构风险最小化 | 第27-30页 |
| ·核方法 | 第30-36页 |
| ·核与RKHS | 第30-34页 |
| ·正则化与表述定理 | 第34页 |
| ·几种核学习机 | 第34-36页 |
| 第3章 优化的核回归机 | 第36-57页 |
| ·引言 | 第36-37页 |
| ·MO-SVR | 第37-46页 |
| ·参数改进 | 第37-41页 |
| ·参数优化 | 第41-44页 |
| ·特征选择 | 第44-46页 |
| ·实证分析 | 第46-56页 |
| ·GOVI数据集 | 第46-51页 |
| ·Sunspot数据集 | 第51-54页 |
| ·Mackey-Glass数据集 | 第54-55页 |
| ·电力负荷数据集 | 第55-56页 |
| ·小结 | 第56-57页 |
| 第4章 高效预测的局部核学习机 | 第57-72页 |
| ·引言 | 第57页 |
| ·局部核回归机 | 第57-61页 |
| ·局部风险最小化 | 第58-59页 |
| ·局部核回归 | 第59-60页 |
| ·KNN-SVR | 第60-61页 |
| ·模型优化 | 第61-65页 |
| ·留一法 | 第61-64页 |
| ·PS算法 | 第64-65页 |
| ·实证分析 | 第65-70页 |
| ·试验设置 | 第66-67页 |
| ·实验结果与分析 | 第67-70页 |
| ·小结 | 第70-72页 |
| 第5章 高效预测的直接简化核学习机 | 第72-87页 |
| ·引言 | 第72-73页 |
| ·直接简化核学习机 | 第73-79页 |
| ·实现DS的Cholesky分解算法 | 第74-75页 |
| ·实现DS的共轭梯度算法 | 第75-76页 |
| ·其他相关问题 | 第76-79页 |
| ·非二次损失简化学习机 | 第79-81页 |
| ·实证分析 | 第81-85页 |
| ·试验设置 | 第81页 |
| ·实验结果与分析 | 第81-85页 |
| ·小结 | 第85-87页 |
| 第6章 高效预测的在线自适应核学习机 | 第87-113页 |
| ·引言 | 第87-88页 |
| ·在线核学习 | 第88-92页 |
| ·在线学习的显式更新 | 第88-90页 |
| ·在线学习的隐式更新 | 第90-92页 |
| ·在线学习的SMD调节 | 第92-96页 |
| ·SMD方法 | 第92-93页 |
| ·基于SMD的学习率调节 | 第93-94页 |
| ·隐式更新的SMD调节 | 第94-96页 |
| ·在线学习的LSMD调节 | 第96-100页 |
| ·推广的在线学习 | 第96-99页 |
| ·基于LSMD的学习率调节 | 第99页 |
| ·偏置项的自适应调节 | 第99-100页 |
| ·实证分析 | 第100-112页 |
| ·试验设置 | 第101页 |
| ·在线学习的隐式更新 | 第101-102页 |
| ·推广的在线学习 | 第102页 |
| ·显式更新学习率的LSMD调节 | 第102-105页 |
| ·隐式更新学习率的自适应调节 | 第105-109页 |
| ·其他相关问题 | 第109-112页 |
| ·小结 | 第112-113页 |
| 结论 | 第113-115页 |
| 参考文献 | 第115-123页 |
| 附录1 相关定理证明 | 第123-131页 |
| 致谢 | 第131-132页 |
| 攻读学位期间发表论文及参与课题 | 第132页 |
