期刊文献+

相关向量机学习的研究

下载PDF
导出
摘要 支持向量机(SVM)是利用核函数产生组合优化应用于回归和分类问题的技术。然而SVM具有明显的缺少概率的输出,要求估计权衡参数和必须满足Mercer核函数等缺陷,RVM不受上述缺陷影响,只需更少的核函数产生与SVM相同的线性输出模型的贝叶斯方法。
作者 董争
出处 《技术与市场》 2009年第4期39-40,共2页 Technology and Market
  • 相关文献

参考文献5

  • 1M.E.Tipping.Fast Marginal Likelihood Maximisation for Sparse Bayesian Models[].Proceedings of the Ninth International Workshop on Artificial Intelligence and Statistics.2003
  • 2M Tipping.The relevance vector machine[].Advances in Neurology.2000
  • 3Tipping,M. E.Sparse Bayesian learning and the relevance vector machine[].Journal of Machine Learning Research.2001
  • 4Dietterich T G,Becker S,Ghahramani Z.Advances in Neural Information Processing Systems 14[]..2002
  • 5Mingjun Zhong.A variational method for learning sparse Bayesian regression[].Neurocomputing.2006

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部