首页 | 本学科首页   官方微博 | 高级检索  
     

基于稀疏贝叶斯回归的正则化核密度估计算法
作者姓名:尹训福  郝志峰
作者单位:1. 华南理工大学 计算机科学与工程学院, 广东 广州 510006;2. 广东工业大学 计算机学院, 广东 广州 510090
基金项目:国家自然科学基金,广东省科技计划项目,信息安全国家重点实验室开放课题基金,惠州市技术研究与开发资金项目
摘    要:为了加快核密度估计(KDE)的计算速度,简化模型复杂度,提出了一种基于稀疏贝叶斯回归的KDE稀疏构造算法SBR-KDE.该算法将经人工加噪处理后的分布函数逼近值作为输入,获得了KDE的极为稀疏表示形式.实验结果表明:与传统KDE算法相比,在保持相当计算精度(多数情况下降低了模型误差)的情况下,文中算法的时空效率大幅度提高,而且在小样本训练集条件下得到的密度估计更光滑;独立成分分析及高斯化变换的应用使文中算法在一定程度上缓解了维数灾难.

关 键 词:机器学习  核密度估计  贝叶斯回归  不适定逆问题  人工加噪正则化  高斯化  
收稿时间:2008-07-24
本文献已被 万方数据 等数据库收录!
点击此处可从《华南理工大学学报(自然科学版)》浏览原始摘要信息
点击此处可从《华南理工大学学报(自然科学版)》下载全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号