Mercer Kernel图模型学习

• 作者: 姜凯雯 张芬 董洁
• 来源期刊: 天津理工大学学报
• 学科: 工学
• 关键词: Mercel核 图模型 核学习 KGV
• 年，卷（期）: 2010,（2）
• 页码范围: 74-76
• 分类号: TP301
• 字数: 2342字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-095X.2010.02.020

摘要

文中提出一类学习图模型结构的算法,该算法是基于一种称为kernel generalized variance(KGV)的度量方法.此度量方法允许我们在由Mercer核产生的特征空间中处理高斯变量.进而我们能学习包含任意类型的离散和连续变量的图.文中还研究了该方法的计算性能,给出如何在线性时间内完成相关统计的计算.并用离散和连续变量进行测试.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姜凯雯	天津理工大学计算机与通信工程学院	2	4	1.0	2.0
2	张芬	天津理工大学计算机与通信工程学院	5	22	2.0	4.0
3	董洁	天津理工大学计算机与通信工程学院	6	29	4.0	5.0