-
题名机器学习置信度机制研究综述
被引量：6
- 1
-
-
作者
蒋方纯
田盛丰
尹传环
-
机构
北京交通大学计算机与信息技术学院
深圳信息职业技术学院
-
出处
《北京交通大学学报》
CAS
CSCD
北大核心
2014年第3期111-117,共7页
-
基金
国家自然科学基金资助项目(61105056)
广东省自然科学基金资助项目(S2011010000824)
深圳市科技协同创新项目资助(GJHS20120627094240003)
-
文摘
置信的机器学习一直是机器学习领域研究不可或缺的部分与目标.根据置信度形成的机制与方法,将机器学习的置信度机制分为3类.本文分别阐述了3类机制的基本原理、实现方法和最新的研究进展,并在此基础上对3类置信度机制进行了比较分析.最后,讨论了存在的问题,指出了研究的方向.
-
关键词
置信机器
置信度机制
置信度
可信性
机器学习
-
Keywords
confidence machine
confidence mechanism
confidence
credibility
machine learning
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于算法随机性理论和奇异描述的置信学习机器
被引量：10
- 2
-
-
作者
邱德红
陈传波
金先级
-
机构
华中科学技术大学计算机科学与技术学院
-
出处
《计算机研究与发展》
EI
CSCD
北大核心
2004年第9期1586-1592,共7页
-
基金
华中科技大学"引进人才"基金项目 (A183 170 )
-
文摘
根据Kolmogorov算法随机性理论 ,为学习机器建立了一种置信机制 ,描述了置信学习机器的算法 论证了通过样本奇异描述函数定义的可计算的样本序列随机性描述函数与Kolmogorov算法随机性理论中定义的 ,不可计算的序列随机性描述函数具有相同的意义 分别从样本空间距离、样本对分类边界的支持力度和样本应变大小 3个不同的角度设计了样本奇异描述函数 ,利用它们实现了置信学习机器算法
-
关键词
置信机器学习
算法随机性理论
奇异性描述
-
Keywords
confidence learning machine
algorithmic theory of randomness
dissimilarity description
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名算法随机性置信支持向量机及其签名认证
被引量：4
- 3
-
-
作者
邱德红
陈传波
金先级
-
机构
华中科技大学计算机科学与技术学院
-
出处
《小型微型计算机系统》
CSCD
北大核心
2004年第12期2131-2134,共4页
-
文摘
根据 Kolmogorov算法随机性理论 ,描述定义了具有置信判别能力的置信学习机器 .利用普通支持向量学习机器中的 L agrangian系数 ,从系数基本的物理内涵出发 ,近似实现了 Kolmogorov算法随机性理论定义的普适不可计算的随机性描述函数 .并由此定义了学习的置信度 ,使得支持向量学习机在学习判断对象类别的同时能够给出该次判断的可信程度 ,丰富了学习机器的输出信息 .将置信支持向量机用于认证手写签名的特征向量 。
-
关键词
算法随机性
置信机器学习
支持向量机
签名认证
-
Keywords
algorithmic theory of randomness
confidence learning machine
support vector machine
signature verification
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于TCM的多分类算法研究
- 4
-
-
作者
李勇军
王如龙
张锦
赵二群
-
机构
湖南大学信息科学与工程学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2015年第8期134-137,共4页
-
基金
国家科技支撑计划项目(No.2012BAF12B20)
国家自然科学基金(No.60901080)
-
文摘
基于算法随机性理论提出的直推式置信机器能够给出预测的可靠性,但其多用于解决两类识别问题。扩展了置信机器,利用了正反类的思想,在识别时比较多个P值来确定测试样本的分类,使其很容易一次性应用于多分类识别问题。为对扩展后的模型性能进行评估,将其应用于经典的模式识别-人脸识别。实验结果表明,扩展后的置信机器具有良好的分类性能,当每类训练集样本增加到6个时,识别率已高于96%。
-
关键词
置信机器
多分类识别
正反类
人脸识别
-
Keywords
Transductive Confidence Machine（TCM）
recognition of multi-classification
positive and negative classes
face recognition
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
