导读:本文包含了结构风险最小化论文开题报告文献综述及选题提纲参考文献，主要关键词:视角权重,特征权重,多视角,结构风险
结构风险最小化论文文献综述
金志超,高大启,朱昌明,王喆[1]（2019）在《基于权重的多视角全局和局部结构风险最小化分类器》一文中研究指出为了克服传统的多视角分类器无法充分最小化结构风险的不足,提出了基于权重的多视角全局和局部结构风险最小化分类器。该分类器利用特征和视角的权重,使得分类器更符合数据集的分布,从而提高分类器的性能,更有利于最小化结构风险。在Mfeat、Reuters、Corel3个多视角数据集上的实验表明,通过引入某一数据集中每个样本的视角和特征权重,可以使得该分类器对数据集的分类性能更好。(本文来源于《华东理工大学学报(自然科学版)》期刊2019年05期）
朱昌明,梅成就,周日贵,魏莱,章夏芬[2]（2018）在《基于Universum的多视角全局和局部结构风险最小化模型》一文中研究指出为克服传统多视角分类器无法充分最小化结构风险的不足,提出基于Universum的多视角全局和局部结构风险最小化模型。该模型采用Universum学习,利用有标签样本生成大量包含分类信息的无标签样本,从而增加分类器性能。这些信息有利于最小化结构风险。通过在Mfeat、Reuters和Corel等3个多视角数据集上的试验可以发现,该模型可以提高多视角分类器的性能,并可以更好地应用到多视角数据集的分类问题中。(本文来源于《上海海事大学学报》期刊2018年03期）
刘小雍,周淑芳,熊中刚,陈连贵,阎昌国[3]（2016）在《基于结构风险最小化的TS模糊模型辨识研究》一文中研究指出针对TS模糊模型的后件参数辨识,为了避免传统意义上以经验风险最小化来求解参数,同时考虑到如何控制模型结构复杂性以及经验风险又要最小,提出了一种基于最小二乘支持向量回归(LSSVR)结构风险分解建立新的代价函数来辨识TS模糊模型。紧接着,以该代价函数作为优化目标,TS模糊模型为约束条件,通过引入拉格朗日方法对其求解,最终得到模型的后件参数。该方法有如下显着特征:1)引出的代价函数是基于结构风险而非经验风险;2)计算过程不仅避免了核函数的选择,而且仅对原输入数据空间做内积;3)全局与局部性能得到保证。最后,论证了该方法的有效性和优越性。(本文来源于《贵州大学学报(自然科学版)》期刊2016年04期）
孙小慧,孙恒,吴涛[4]（2012）在《粗糙随机样本的结构风险最小化原则》一文中研究指出介绍了粗糙随机理论的基本内容,提出了退火熵、生长函数和VC维等概念.并在此基础上构建了基于VC维的学习过程一致收敛速度的界;随后给出了粗糙随机样本的结构风险最小化原则;最后证明了在此原则下收敛速度渐进分析的一些相关性质.(本文来源于《周口师范学院学报》期刊2012年05期）
何其慧,姚登宝,王翠翠,毛军军[5]（2011）在《基于模糊随机样本的结构风险最小化原则》一文中研究指出基于模糊随机样本,提出了熵、退火熵、生长函数和VC维等概念,并在此基础上构建了基于VC维的学习过程一致收敛速度的界;给出了基于模糊随机样本的结构风险最小化原则(FSSRM原则),证明了基于FSSRM原则下收敛速度渐进分析的相关性质。(本文来源于《计算机工程与应用》期刊2011年34期）
朱雄峰,罗文彩,魏月兴,陈小前[6]（2011）在《基于结构风险最小化的径向基插值》一文中研究指出分析了径向基插值代理模型的特点,为了提高代理模型的推广能力,引入了结构风险最小化基本原理;指出基函数满足Mercer条件的径向基插值代理模型,本质上也是一类高维分类超平面;文中推导了径向基插值的VC维度与构成径向基插值函数的常数项的导数关系,为此提出了基于结构风险最小化的径向基插值。最后若干函数测试表明基于结构风险最小化的径向基插值提高了代理模型的推广能力。(本文来源于《弹箭与制导学报》期刊2011年05期）
赵春雷[7]（2011）在《粗糙空间上结构风险最小化原则》一文中研究指出统计学习理论是处理小样本学习问题的重要理论方法。然而,该理论是建立在概率空间上基于实随机样本的,它难以讨论和处理现实世界中客观存在的涉及粗糙空间上粗糙样本的小样本统计学习问题。结构风险最小化原则是统计学习理论的核心内容之一,是构建支持向量机的重要基础。基于此,本文研究了粗糙空间上结构风险最小化原则。首先,给出了粗糙空间上粗糙变量退火熵、生长函数和VC维的定义,并证明了它们的一些性质;其次,构建了粗糙空间上基于VC维的风险泛函的界;再次,给出了粗糙空间上结构风险最小化原则,证明了该原则的一致性,同时推导出了收敛速度的界;最后,给出了粗糙空间上结构风险最小化原则的直接实现。(本文来源于《河北大学》期刊2011-05-01）
毛忠阳,王红星,宋恒,王洪利[8]（2011）在《结构风险最小化空时均衡器》一文中研究指出提出了一种采用容量控制技术减少训练数据的结构风险最小化空时均衡器(SRM-STE)。该方法在利用通信信号中学习信息的同时,通过容量控制手段补充滤波器自身的结构信息,并自适应调整容量控制作用,部分降低滤波器对训练数据的依赖性。通过仿真实验,并与递归最小二乘空时均衡器(RLS-STE)、正则化递归最小二乘空时均衡器(rRLS-STE)和典型支持向量机空时均衡器(SVM-STE)比较,得出结论:SRM-STE可以在更少的训练数据条件下保持良好的跟踪性能,且鲁棒性较好,在复杂环境下的无线移动通信中具有一定的应用前景。(本文来源于《无线电通信技术》期刊2011年02期）
毛忠阳,宋恒,王红星,胡丽芳[9]（2011）在《结合小波变换的结构风险最小化空时均衡器》一文中研究指出提出了一种结合小波变换的结构风险最小化空时均衡器(WSRM-STE),WSRM-STE采用小波变换技术可提高收敛速度.该方法在多维小波基上张成的空间中,综合利用通信信号中的学习信息和滤波器自身的结构信息,可自适应调整最佳小波系数和容量控制作用.通过仿真实验,并与结构风险最小化空时均衡器(SRM-STE)和结合小波变换的支持向量机空时均衡器(WSVM-STE)比较,得出结论:WSRM-STE收敛速度快,跟踪性能好,在复杂环境下的无线移动通信中具有一定的应用前景.(本文来源于《北京邮电大学学报》期刊2011年02期）
张植明,田景峰[10]（2010）在《基于随机粗糙样本的结构风险最小化原则》一文中研究指出提出了退火熵,生长函数和VC维等概念,构建了基于VC维的学习过程一致收敛速度的界。然后以这些界为基础,给出基于随机粗糙样本的结构风险最小化原则。最后证明该原则是一致的并且推导出了关于渐近收敛速度的界。(本文来源于《计算机工程与应用》期刊2010年21期）
结构风险最小化论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为克服传统多视角分类器无法充分最小化结构风险的不足,提出基于Universum的多视角全局和局部结构风险最小化模型。该模型采用Universum学习,利用有标签样本生成大量包含分类信息的无标签样本,从而增加分类器性能。这些信息有利于最小化结构风险。通过在Mfeat、Reuters和Corel等3个多视角数据集上的试验可以发现,该模型可以提高多视角分类器的性能,并可以更好地应用到多视角数据集的分类问题中。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
结构风险最小化论文参考文献
[1].金志超,高大启,朱昌明,王喆.基于权重的多视角全局和局部结构风险最小化分类器[J].华东理工大学学报(自然科学版).2019
[2].朱昌明,梅成就,周日贵,魏莱,章夏芬.基于Universum的多视角全局和局部结构风险最小化模型[J].上海海事大学学报.2018
[3].刘小雍,周淑芳,熊中刚,陈连贵,阎昌国.基于结构风险最小化的TS模糊模型辨识研究[J].贵州大学学报(自然科学版).2016
[4].孙小慧,孙恒,吴涛.粗糙随机样本的结构风险最小化原则[J].周口师范学院学报.2012
[5].何其慧,姚登宝,王翠翠,毛军军.基于模糊随机样本的结构风险最小化原则[J].计算机工程与应用.2011
[6].朱雄峰,罗文彩,魏月兴,陈小前.基于结构风险最小化的径向基插值[J].弹箭与制导学报.2011
[7].赵春雷.粗糙空间上结构风险最小化原则[D].河北大学.2011
[8].毛忠阳,王红星,宋恒,王洪利.结构风险最小化空时均衡器[J].无线电通信技术.2011
[9].毛忠阳,宋恒,王红星,胡丽芳.结合小波变换的结构风险最小化空时均衡器[J].北京邮电大学学报.2011
[10].张植明,田景峰.基于随机粗糙样本的结构风险最小化原则[J].计算机工程与应用.2010