基于双重粗糙样本的统计学习理论的理论基础

• 作者: 张植明 田景峰
• 来源期刊: 应用数学学报
• 学科: 数学
• 关键词: 双重粗糙样本 双重粗糙经验风险最小化原则 关键定理 一致收敛速度的界
• 年，卷（期）: 2009,（4）
• 页码范围: 608-619
• 页数: 12页
• 分类号: O29|O234
• 字数: 4871字
• 语种: 中文
• DOI: 10.3321/j.issn:0254-3079.2009.04.004

摘要

本文介绍双重粗糙理论的基本内容;提出双重粗糙经验风险泛函,双重粗糙期望风险泛函,双重粗糙经验风险最小化原则等概念;最后证明基于双重粗糙样本的统计学习理论的关键定理并讨论学习过程一致收敛速度的界.为系统建立基于不确定样本的统计学习理论并构建相应的支持向量机奠定了理论基础.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张植明	河北大学数学与计算机学院	21	129	7.0	10.0
2	田景峰	华北电力大学科技学院	18	124	7.0	10.0