稀疏贝叶斯模型与相关向量机学习研究
Research on Sparse Bayesian Model and the Relevance Vector Machine作者机构：信息工程大学测绘学院郑州450052 信息工程大学信息工程学院郑州450002
出 版 物：《计算机科学》 (Computer Science)
年 卷 期：2010年第37卷第7期
页 面：225-228页
核心收录：
学科分类：0810[工学-信息与通信工程] 08[工学] 081002[工学-信号与信息处理]
摘 要：虽然支持向量机在模式识别的相关领域得到了广泛应用,但它自身固有许多不足之处。相关向量机是在稀疏贝叶斯框架下提出的稀疏模型,模型没有规则化系数,核函数不要求满足Mercer条件。相关向量机不仅具备良好的泛化能力,而且还能够得到具有统计意义的预测结果。首先介绍了稀疏贝叶斯回归和分类模型,通过参数推断过程,将相关向量机学习转化为最大化边缘似然函数估计,并分析了3种估计方法,给出了快速序列稀疏贝叶斯学习算法流程。
维普期刊数据库
同方期刊数据库