计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2006年
18期
47-49
,共3页
方宏彬%赵立权%周瑛%张铃
方宏彬%趙立權%週瑛%張鈴
방굉빈%조립권%주영%장령
神经网络%回归分析%鞅%离群点%无监督学习
神經網絡%迴歸分析%鞅%離群點%無鑑督學習
신경망락%회귀분석%앙%리군점%무감독학습
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.
樣本訓練集的選取對網絡分類精度及汎化能力有很大影響,同樣對迴歸分析中的兩難問題"偏差-方差"影響很大.經典的簡單抽樣理論在現實中很難做到,數據之間關繫受到譟音以及領域知識的限製而顯得很複雜,尤其是離群點的影響不能忽視.故而有限樣本集中學習,如何穫得最優結果不僅與算法有關,且與樣本集的選取有關.文章首先從學習的數學理論齣髮闡明樣本訓練集的選取方法必要性,進而提齣樣本選擇的鞅性要求與樣本訓練集中的離群點定義,最後提齣在無鑑督學習中,混閤密度分佈有限樣本集且樣本類彆數不知情形下的聚類與離群點判彆算法,試驗結果錶明該算法的可行性與有效性.
양본훈련집적선취대망락분류정도급범화능력유흔대영향,동양대회귀분석중적량난문제"편차-방차"영향흔대.경전적간단추양이론재현실중흔난주도,수거지간관계수도조음이급영역지식적한제이현득흔복잡,우기시리군점적영향불능홀시.고이유한양본집중학습,여하획득최우결과불부여산법유관,차여양본집적선취유관.문장수선종학습적수학이론출발천명양본훈련집적선취방법필요성,진이제출양본선택적앙성요구여양본훈련집중적리군점정의,최후제출재무감독학습중,혼합밀도분포유한양본집차양본유별수불지정형하적취류여리군점판별산법,시험결과표명해산법적가행성여유효성.
