基于确定性退火的增强型分片回归 |
| |
作者姓名: | 张讲社, 杨雨茜, 陈晓文, 周成虎 |
| |
作者单位: | [1]西安交通大学理学院信息与系统科学研究所,西安710049; [2]中国科学院地理所资源与环境信息系统国家重点实验室,北京100101 |
| |
基金项目: | 国家自然科学基金(批准号:60373106,40225004)和国家重点基础研究发展计划(批准号:2007CB311002)资助项目 |
| |
摘 要: | 回归是统计学习理论中的主要研究问题之一.文中给出确定性退火分片回归算法全局收敛性和自由能全局极小关于温度连续性的证明,推导出初始临界温度的简化计算公式,并提出一种新的增强型分片回归算法,利用“原型迁移”技巧,避免退火过程中“空剖分”的出现.基于Benchmark数据集上的实验表明:新算法能有效去除模型冗余,提高学习泛化能力.
|
关 键 词: | 统计回归 分片回归 确定性退火 泛化能力 |
本文献已被 维普 等数据库收录! |
|