李思倩
- 作品数:1 被引量:0H指数:0
- 供职机构:哈尔滨工业大学计算机科学与技术学院更多>>
- 发文基金:国家自然科学基金更多>>
- 相关领域:自动化与计算机技术更多>>
- 基于最小交叉熵的相关向量机
- 2014年
- 研究了传统相关向量机(RVM)的性能,分析了传统RVM的性能完全取决于先验假设的连接权值和参数的平滑性,因而其稀疏性实际上仍受核函数或核参数选择的控制,这在某些情况下可能会导致严重的欠拟合或过拟合现象的问题,在此基础上,提出了明确地给出基函数优化过程中的目标数量,并通过最小化训练阶段前向"假定"概率分布和测试阶段反向"真实"概率分布间的交叉熵来构建RVM的方法。实验结果表明,这种方法不但可以构建最小复杂度的基于最小交叉熵的RVM结构,而且构建的RVM能很好地对数据进行拟合,提高预测的准确性,增强其稀疏性。
- 程丹松杨剑哲李思倩石大明王君黄庆成
- 关键词:贝叶斯推理最小交叉熵径向基函数(RBF)网络