统计量复杂性估计及其在机器学习中的应用

摘要：

定义并估计了假设空间的统计量复杂性.据此可以找到一个基数性不超过假设空间的VC(Vapnik-Chervonenkis)维多项式级的线性经验泛函集,利用该线性经验泛函集可以构造以所需的任意精度逼近假设空间中的任一函数的学习算法.同时给出了随机生成这些泛函的方法.

关键词：统计最复杂性、L-范数、VC维、Glivenko-Cantelli类

所属期刊栏目：34

分类号：TP181;O29(自动化基础理论)

资助基金：国家自然科学基金10371033 资助

在线出版日期：2008-11-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1332-1336