基于算法随机性理论和奇异描述的置信学习机器

摘要：

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.该置信学习机器在Cleveland心脏病理数据识别和签名认证实验中都取得了比较满意的结果.

关键词：置信机器学习、算法随机性理论、奇异性描述

所属期刊栏目：41

分类号：TP391.41(计算技术、计算机技术)

资助基金：华中科技大学校科研和教改项目A183170

在线出版日期：2004-11-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1586-1592