鞅在学习样本选择中的应用

• 作者: 周瑛 张铃 方宏彬 赵立权
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 神经网络 回归分析 鞅 离群点 无监督学习
• 年，卷（期）: 2006,（18）
• 所属期刊栏目: 学术探讨
• 页码范围: 47-49
• 页数: 3页
• 分类号: TP183
• 字数: 3901字
• 语种: 中文
• DOI: 10.3321/j.issn:1002-8331.2006.18.015

摘要

样本训练集的选取对网络分类精度及泛化能力有很大影响,同样对回归分析中的两难问题"偏差-方差"影响很大.经典的简单抽样理论在现实中很难做到,数据之间关系受到噪音以及领域知识的限制而显得很复杂,尤其是离群点的影响不能忽视.故而有限样本集中学习,如何获得最优结果不仅与算法有关,且与样本集的选取有关.文章首先从学习的数学理论出发阐明样本训练集的选取方法必要性,进而提出样本选择的鞅性要求与样本训练集中的离群点定义,最后提出在无监督学习中,混合密度分布有限样本集且样本类别数不知情形下的聚类与离群点判别算法,试验结果表明该算法的可行性与有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张铃	安徽大学人工智能所	85	2554	22.0	49.0
2	周瑛	安徽大学人工智能所	44	238	9.0	13.0
3	方宏彬	安徽大学数学系	14	60	5.0	7.0
7	赵立权	安徽大学人工智能所	3	21	2.0	3.0