PAC-Bayes理论及应用研究综述

• 作者: 何丽 宫秀军 汤莉
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: PAC-Bayes边界 支持向量机 泛化能力 分类器
• 年，卷（期）: 2015,（1）
• 所属期刊栏目: 综述?探索
• 页码范围: 1-13
• 页数: 13页
• 分类号: TP181
• 字数: 11880字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1410046

摘要

PAC-Bayes理论融合了贝叶斯定理和随机分类器的结构风险最小化原理，它作为一个理论框架，可得到最紧的泛化风险边界。分析了PAC-Bayes理论的研究背景和重要意义，介绍了PAC-Bayes理论框架及其在支持向量机上的应用，分别探讨了多种机器学习算法的PAC-Bayes边界，并特别对非独立同分布数据的PAC-Bayes边界进行了分析。从4个方面深入阐述了PAC-Bayes边界应用的研究现状及进展，并对不同的研究方法和特点进行了比较。最后展望了PAC-Bayes边界未来的研究发展方向。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宫秀军	天津大学计算机科学与技术学院	9	35	4.0	5.0
3	汤莉	天津财经大学理工学院信息科学与技术系	3	13	2.0	3.0
5	何丽	天津财经大学理工学院信息科学与技术系	25	161	7.0	12.0