加权融合方法的泛化误差分解

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (12): 51-52.

加权融合方法的泛化误差分解

崔丽娟¹,王秋菊²,李凯³

1.河北大学图书馆，河北保定 071002
2.河北大学新闻传播学院，河北保定 071002
3.河北大学数学与计算机学院，河北保定 071002

收稿日期:2007-11-28 修回日期:2008-02-25 出版日期:2008-04-21 发布日期:2008-04-21
通讯作者: 崔丽娟

Decomposition of generalization error for weighting fusion

CUI Li-juan¹,WANG Qiu-ju²,LI Kai³

1.Library，Hebei University，Baoding，Hebei 071002，China
2.Faculty of Journalism and Communication，Hebei University，Baoding，Hebei 071002，China
3.School of Mathematics and Computer，Hebei University，Baoding，Hebei 071002，China

Received:2007-11-28 Revised:2008-02-25 Online:2008-04-21 Published:2008-04-21
Contact: CUI Li-juan

摘要/Abstract

摘要： 机器学习的性能可以通过泛化误差表达，泛化误差越小，则该学习性能越好，反之则性能越差。为了进一步研究泛化误差的特性，通常采用泛化误差分解的方法。针对加权融合方法，并应用平方误差损失函数，给出了泛化误差的一种分解，在此基础上，进一步获得了加权融合方法的最优泛化误差分解。

关键词: 融合, 泛化误差分解, 方差, 偏差, 协方差

Abstract: The performance of machine learning may be expressed as the generalization error.To further study characteristic of generalization error，the decomposition method for generalization error is usually used.Aiming at weighting fusion method and quadratic error loss function，the decomposition equation for generalization error is given.On the basis of this，the decomposition equation for the optimal fusion method is further obtained.

Key words: fusion, decomposition of generalization error, variance, bias, covariance

崔丽娟¹,王秋菊²,李凯³. 加权融合方法的泛化误差分解[J]. 计算机工程与应用, 2008, 44(12): 51-52.

CUI Li-juan¹,WANG Qiu-ju²,LI Kai³. Decomposition of generalization error for weighting fusion[J]. Computer Engineering and Applications, 2008, 44(12): 51-52.

[1]	陆莉霞，邹俊忠，郭玉成，张见，王蓓. 多模态融合的膝关节损伤预测[J]. 计算机工程与应用, 2021, 57(9): 225-232.
[2]	李明山，韩清鹏，张天宇，王道累. 改进SSD的安全帽检测方法[J]. 计算机工程与应用, 2021, 57(8): 192-197.
[3]	槐创锋，郭龙，贾雪艳，张子昊. 改进A*算法与动态窗口法的机器人动态路径规划[J]. 计算机工程与应用, 2021, 57(8): 244-248.
[4]	郭晓静，隋昊达. 改进YOLOv3在机场跑道异物目标检测中的应用[J]. 计算机工程与应用, 2021, 57(8): 249-255.
[5]	王兵，乐红霞，李文璟，张孟涵. 改进YOLO轻量化网络的口罩检测算法[J]. 计算机工程与应用, 2021, 57(8): 62-69.
[6]	张越，黄友锐，刘鹏坤. 引入注意力机制的多分辨率人体姿态估计研究[J]. 计算机工程与应用, 2021, 57(8): 126-132.
[7]	董旭彬，赵清华. 改进Mask R-CNN在航空影像目标检测的研究应用[J]. 计算机工程与应用, 2021, 57(8): 133-144.
[8]	王玲，王家沛，王鹏，孙爽滋. 融合注意力机制的孪生网络目标跟踪算法研究[J]. 计算机工程与应用, 2021, 57(8): 169-174.
[9]	邹杰，李俊. 多策略协方差矩阵学习差分进化算法[J]. 计算机工程与应用, 2021, 57(7): 78-87.
[10]	李中道，刘元盛，常飞翔，张军，路铭. 室内环境下UWB与LiDAR融合定位算法研究[J]. 计算机工程与应用, 2021, 57(6): 260-266.
[11]	刘畅，邱卫根，张立臣. 基于可变形掩膜对齐卷积模型的行人再识别[J]. 计算机工程与应用, 2021, 57(5): 146-152.
[12]	王鹏，叶学义，王涛，钱丁炜. 双偏差双空间局部方向模式的人脸识别[J]. 计算机工程与应用, 2021, 57(4): 91-99.
[13]	韩文静，罗晓曙，杨日星. 一种复合型手势识别方法研究[J]. 计算机工程与应用, 2021, 57(4): 108-113.
[14]	赵辉，李志伟，方禄发. 特征信息增强的单发多框检测器算法[J]. 计算机工程与应用, 2021, 57(4): 148-154.
[15]	顾梅花，王苗苗，李立瑶，冯婧. 彩色图像多尺度融合灰度化算法[J]. 计算机工程与应用, 2021, 57(4): 209-215.