基于算法稳定的分类机器学习泛化能力的研究

• 作者: 付丽华 董雪梅 邹斌
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: 算法稳定 相对误差 泛化能力
• 年，卷（期）: 2004,（4）
• 所属期刊栏目: 论文与报告
• 页码范围: 430-433
• 页数: 4页
• 分类号: TP18
• 字数: 2646字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6059.2004.04.009

摘要

泛化能力是机器学习理论研究的主要目的.本文通过对算法稳定框架下分类机器学习相对误差的研究,得到了重叠稳定条件下分类机器学习不依赖于分布的相对误差的界,再通过这个界讨论了重叠稳定条件下分类机器学习的泛化能力,得出了重叠稳定条件下分类机器学习是具有较好泛化能力的结论.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邹斌	湖北大学数学与计算机科学学院	15	30	3.0	4.0
2	董雪梅	湖北大学数学与计算机科学学院	4	14	2.0	3.0
3	付丽华	湖北大学数学与计算机科学学院	2	30	2.0	2.0