一种基于粗糙变量的学习算法的基础研究

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (10): 40-42.

一种基于粗糙变量的学习算法的基础研究

董开坤¹,刘杨¹,刘扬¹,胡仕成¹,刘慧霞²

1.哈尔滨工业大学（威海）计算机科学与技术学院，山东威海 264209
2.青岛大学数学科学学院，山东青岛 266071

收稿日期:2007-11-20 修回日期:2008-01-28 出版日期:2008-04-01 发布日期:2008-04-01
通讯作者: 董开坤

Fundamental reaching of kind of learning algorithm based on rough variable

DONG Kai-kun¹,LIU Yang¹,LIU Yang¹,HU Shi-cheng¹,LIU Hui-xia²

1.Department of Computer Science & Technology，Harbin Institute of Technology at Weihai，Weihai，Shandong 264209，China
2.Mathematics Science College，Qingdao University，Qingdao，Shandong 266071，China

Received:2007-11-20 Revised:2008-01-28 Online:2008-04-01 Published:2008-04-01
Contact: DONG Kai-kun

摘要/Abstract

摘要： 支持向量机目前已成为机器学习领域新的研究热点，而统计学习理论中的关键定理为支持向量机等的研究提供了重要的理论基础。提出了粗糙经验风险最小化原则，提出并证明了一种基于粗糙变量的学习理论的关键定理，为研究粗糙支持向量机等应用性研究提供了依据。

关键词: 向量机, 信赖理论, 信赖统计, 粗糙经验风险最小化原则, 关键定理

Abstract: Support vector machine is one of the new hotspots in the area of machine learning now.The key theorem of statistical learning theory provides a theoretical basis for its research.The rough empirical risk minimization principle is proposed，and the key theorem of learning theory based on rough variable is advanced in the paper.This provides evidence for the application of rough support vector machine etc.

Key words: vector machines, trust theory, trust statistics, rough empirical risk minimization principle, the key theorem

董开坤¹,刘杨¹,刘扬¹,胡仕成¹,刘慧霞². 一种基于粗糙变量的学习算法的基础研究[J]. 计算机工程与应用, 2008, 44(10): 40-42.

DONG Kai-kun¹,LIU Yang¹,LIU Yang¹,HU Shi-cheng¹,LIU Hui-xia². Fundamental reaching of kind of learning algorithm based on rough variable[J]. Computer Engineering and Applications, 2008, 44(10): 40-42.

[1]	高一锴，彭力，徐龙壮. 改进AFSA算法优化TWSVM的火焰识别方法[J]. 计算机工程与应用, 2021, 57(8): 204-213.
[2]	韩卫宇，程龙生. 结合马田系统-SVM的滚动轴承故障模式分类研究[J]. 计算机工程与应用, 2021, 57(6): 239-246.
[3]	雷恒林，古兰拜尔·吐尔洪，买日旦·吾守尔，张东梅. 新奇检测综述[J]. 计算机工程与应用, 2021, 57(5): 47-55.
[4]	温杰彬，杨文忠，马国祥，张志豪，李海磊. 基于Apex帧光流和卷积自编码器的微表情识别[J]. 计算机工程与应用, 2021, 57(4): 127-133.
[5]	李俊侠，张秦，郑桂妹. 超宽带雷达人体姿态识别综述[J]. 计算机工程与应用, 2021, 57(3): 14-23.
[6]	徐先峰，蔡路路，张丽. 融合MLP和DBN的光伏发电预测算法[J]. 计算机工程与应用, 2021, 57(3): 266-272.
[7]	陈富健，谢维信，夏婷. 基于LCT+的自适应抗遮挡目标跟踪算法[J]. 计算机工程与应用, 2021, 57(22): 190-198.
[8]	杨泉. N1+N2结构语法关系判定的SVM算法[J]. 计算机工程与应用, 2021, 57(20): 104-108.
[9]	高晋，赵云芃，Godfred Kim Mensah，李欣芸，刘志芬，陈俊杰，郭浩. 静息态功能脑连接的空间动态分析及分类研究[J]. 计算机工程与应用, 2021, 57(2): 150-155.
[10]	秦博宇，郝晓燕，刘永芳. 基于SVM和CRF双层模型的FrameNet框架消歧[J]. 计算机工程与应用, 2021, 57(18): 255-262.
[11]	郑淋文，周金治，黄静. 深度稀疏自编码器在ECG特征提取中的应用[J]. 计算机工程与应用, 2021, 57(11): 156-161.
[12]	温廷新，孔祥博. 不平衡样本下的金融市场极端风险预警研究[J]. 计算机工程与应用, 2020, 56(8): 256-260.
[13]	陈菲雨，岳文斌，饶颖露，邢金昊，马晓静. 基于改进TLD算法的无人机自主精准降落[J]. 计算机工程与应用, 2020, 56(7): 247-254.
[14]	马玲，罗晓曙，蒋品群. 基于模板匹配和支持向量机的点阵字符识别研究[J]. 计算机工程与应用, 2020, 56(4): 134-139.
[15]	张忠林，冯宜邦，赵中恺. 一种基于SVM的非均衡数据集过采样方法[J]. 计算机工程与应用, 2020, 56(23): 220-228.