导读:本文包含了系数正则化算法论文开题报告文献综述及选题提纲参考文献，主要关键词:再生核Hilbert空间,梯度估计,系数正则化,变量选择
系数正则化算法论文文献综述
王瑞佳[1]（2017）在《基于系数正则化的高维空间梯度估计算法》一文中研究指出二十一世纪已迎来了大数据时代,数据包含的变量个数越来越多但同时冗余的信息也越来越多.统计学习或者机器学习从这些数据中学习越来越困难,因此在建立模型前进行变量选择非常必要.多变量函数的梯度每个分量是函数关于这个位置变量的偏导数,范数大小相应的代表了对应位置变量发生变化时因变量发生变化的程度.梯度估计在变量选择问题中起着重要的作用,因此本文主要研究从样本点学习梯度.本文提出了一种基于系数正则化的高维空间梯度估计算法.与传统梯度估计算法相比,该算法无需对变量所在的区域进行剖分,可以有效的用于高维空间.并且我们的算法直接对梯度进行估计,而不是先对从样本点学习函数到求导得到梯度估计.因此该算法更加的直接有效.我们给出了该算法的表示定理,将复杂的优化问题转化为简单的线性方程组问题求解.此外,借助于奇异值分解,我们还讨论了如何有效地降低表示定理中矩阵的规模.并给出了降维后的误差分析和降维算法.使得算法能够更快速的求解.在本文最后的部分,我们通过两个数值例子来验证基于系数正则化的梯度估计算法的有效性.第一个例子是模拟数据,验证我们的算法可有效用于变量选择和变量相关性研究.同时,第二个数值例子选取空气质量监测数据,算法得到的结果符合我们日常的认知,进一步说明我们的算法是有效可行的.(本文来源于《大连理工大学》期刊2017-04-01）
盛宝怀[2]（2014）在《l~P-系数正则化Shannon采样学习算法收敛速度(英文)》一文中研究指出研究l~P-系数正则化意义下Shannon采样学习算法的收敛速度估计问题.借助l~P-空间的凸性不等式给出了样本误差和正则化误差的上界估计,并给出了用K-泛函表示的逼近误差估计.将K-泛函的收敛速度估计转化为平移网络逼近问题,在此基础上给出了用概率表示的学习速度.(本文来源于《数学进展》期刊2014年06期）
王美阳,唐学文,杨正益[3]（2014）在《基于膨胀系数的正则表达式分组算法》一文中研究指出确定性有限自动机(Deterministic Finite Automata,DFA)匹配速度远快于非确定性有限状态自动机(Non-deterministic Finite state Automata,NFA),但大量正则表达式转换为DFA时会引起状态爆炸而占用巨大的存储空间。首先定义膨胀系数(Expansion Coefficient,EC)来描述正则表达式的膨胀特性,然后在膨胀系数这一概念基础上,提出一种高效的分组算法——IGA(Improved Grouping Algorithm)算法对正则表达式进行有效分组,将容易引起状态爆炸的正则表达式相互隔离,从而节省存储空间。实验结果表明,与原有算法相比,在相同分组数目时IGA算法平均能够减少25%的状态数。(本文来源于《计算机与现代化》期刊2014年07期）
高炜,梁立,徐天伟[4]（2014）在《基于正则化瑞利系数的半监督k-部排序学习算法及应用》一文中研究指出借鉴Ralaivola给出的基于正则化瑞利系数的半监督二部排序学习算法的思想,提出基于正则化瑞利系数的半监督k-部排序学习算法.同时,将此方法运用于本体相似度计算和本体映射.通过两个实验说明新算法是有效的.(本文来源于《西南师范大学学报(自然科学版)》期刊2014年04期）
娄和忠,李功胜,贾现正[5]（2012）在《应用同伦正则化算法反演二维溶质运移模型中的弥散系数》一文中研究指出利用同伦正则化算法探讨了二维对流弥散方程的依赖空间变量的弥散系数反演问题.讨论了初始迭代值、数值微分步长、以及收敛精度对算法实现的影响.数值模拟表明,同伦正则化算法对于此类参数反演问题是一种有效的方法.(本文来源于《山东理工大学学报(自然科学版)》期刊2012年02期）
谭家杰,黄叁伟,邹常青[6]（2011）在《正则有符号系数FIR滤波器优化算法》一文中研究指出为了节约有限长单位冲激响应(FIR)滤波器的资源,提高运行速度,提出了用最小均方根法将浮点系数量化为正则有符号数(CSD)定点系数的方法。这种方法是先求出FIR滤波器的零点,将共轭成对零点组成两个基本节,采用级联型FIR结构,然后逐步对两个节进行定点数量化,最后量化为CSD定点数。为了验证这种方法的有效性,将它与简单量化进行了对比,结果表明最小均方根法更逼近原浮点系数滤波器,即该量化方式比简单量化更加有效。(本文来源于《计算机应用》期刊2011年06期）
田明党[7]（2011）在《系数正则化在线算法收敛性分析》一文中研究指出学习理论是以神经网络学习、回归、分类算法、密度估计、模式识别等问题为背景,结合函数分析所发展起来的一门新兴学科,该理论是依据未知概率分布的样本点从特征空间中寻找与概率分布最佳近似的方法,随着学习理论的发展近几年在应用领域已逐步发展为一门热门学科,比如在数据建模、优化、分类、预测等方面有很好的应用.二元分类是机器学习中的一个重要分支,特别在支撑向量机中应用广泛.其目的就是构建一个分类器预测未知样本的分布情况.本文将基于再生核Hilbert空间上的二元正则化分类模型转化为定义在有限维欧氏空间上的系数正则化模型,从而将研究问题转化为对有限维的随机规划解的收敛性估计.将学习速度的估计转化为对样本误差和逼近误差的估计.具体研究了基于一般凸损失函数的系数正则化在线和全在线分类学习算法问题,给出了基于欧氏空间的一种不依赖于样本容量的方法并且详细给出了两种算法的误差分析过程.论文的第一部分给出了基于欧式空间的梯度下降算法的产生过程,该方法的优点是对于样本容量较大的样本空间同样可以有效的构造分类器进行分类.论文对由梯度下降算法产生的学习序列进行了界的限定,在此过程中要求损失函数在原点是满足李普希茨条件的,并且对步长的具体形式也做了要求,在此基础上明确地给出了其错分类误差.最后,以铰链损失和最小二乘损失等函数为例给出了该算法的收敛速率的分析.另外,论文还关于系数正则化全在线分类算法做了收敛性分析,考虑是的一种正则项随步长改变的算法,其损失函数是强凸的.(本文来源于《宁波大学》期刊2011-04-10）
张静,吉建华,苏育挺[8]（2009）在《一种基于小波系数正则性的JPEG2000图像篡改检测算法》一文中研究指出在数字信息时代,功能强大的图像编辑工具使得普通用户能够轻而易举地编辑、篡改图像数据,验证图像的真实性和完整性日趋重要.提出了一种基于小波系数正则性的JPEG2000图像拼贴篡改检测算法.由于图像拼贴操作通常会引入突显的强边缘,这些强边缘在小波域体现为低正则区.依据小波系数幅值随分解尺度而衰减的特性来估测图像各区域的正则性,通过检测图像是否存在低正则区来判断图像是否被篡改.实验结果表明,该算法能够准确检测出JPEG2000图像的拼贴篡改,并能够对篡改区域进行较为精确的定位.(本文来源于《第八届全国信息隐藏与多媒体安全学术大会湖南省计算机学会第十一届学术年会论文集》期刊2009-03-28）
李功胜,姚德,马昱,杨富贵[9]（2008）在《一维溶质运移源(汇)项系数反演的迭代正则化算法》一文中研究指出对于多孔介质中发生物理化学反应的溶质运移现象,可以用带有非线性源(汇)项作用的一维对流弥散-反应扩散方程来描述,但方程中反映溶质吸附/解吸附能力的源(汇)项系数往往是未知的.本文讨论了基于出流端浓度观测数据的源项系数反演问题.根据Tikhonov正则化和矩阵的奇异值分解系统,建立了一种离散的迭代正则化算法,给出了算法实现步骤.数值模拟结果表明该算法不仅精度高,而且对于数据的随机扰动具有稳定性.最后应用建立的算法反演计算了一个具体的土柱试验源项系数,数值结果也表明文中所构造算法的有效性.(本文来源于《地球物理学报》期刊2008年02期）
系数正则化算法论文开题报告
（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：
研究l~P-系数正则化意义下Shannon采样学习算法的收敛速度估计问题.借助l~P-空间的凸性不等式给出了样本误差和正则化误差的上界估计,并给出了用K-泛函表示的逼近误差估计.将K-泛函的收敛速度估计转化为平移网络逼近问题,在此基础上给出了用概率表示的学习速度.
（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。
系数正则化算法论文参考文献
[1].王瑞佳.基于系数正则化的高维空间梯度估计算法[D].大连理工大学.2017
[2].盛宝怀.l~P-系数正则化Shannon采样学习算法收敛速度(英文)[J].数学进展.2014
[3].王美阳,唐学文,杨正益.基于膨胀系数的正则表达式分组算法[J].计算机与现代化.2014
[4].高炜,梁立,徐天伟.基于正则化瑞利系数的半监督k-部排序学习算法及应用[J].西南师范大学学报(自然科学版).2014
[5].娄和忠,李功胜,贾现正.应用同伦正则化算法反演二维溶质运移模型中的弥散系数[J].山东理工大学学报(自然科学版).2012
[6].谭家杰,黄叁伟,邹常青.正则有符号系数FIR滤波器优化算法[J].计算机应用.2011
[7].田明党.系数正则化在线算法收敛性分析[D].宁波大学.2011
[8].张静,吉建华,苏育挺.一种基于小波系数正则性的JPEG2000图像篡改检测算法[C].第八届全国信息隐藏与多媒体安全学术大会湖南省计算机学会第十一届学术年会论文集.2009
[9].李功胜,姚德,马昱,杨富贵.一维溶质运移源(汇)项系数反演的迭代正则化算法[J].地球物理学报.2008
标签：再生核Hilbert空间; 梯度估计; 系数正则化; 变量选择;