多核空间下基于最大相关熵准则的稳健回归学习

目录

第1章 绪论

1.1 选题背景及意义

1.1.1 选题背景

1.1.2 研究意义

1.2 文献综述

1.2.1 核方法

1.2.2 稳健回归学习

1.3 研究内容与基本框架

1.3.1 研究内容

1.3.2 基本框架

1.4 本文的创新点

第2章 多核空间下基于最大相关熵准则的稳健回归

2.1 正则化回归学习

2.2 核化回归学习

2.2.1 单核回归学习

2.2.2 多核回归学习

2.3 多核稳健回归学习

2.3.1 RR-MCC-MK 算法表述

2.3.2 RR-MCC-MK 算法操作

第3章 误差分析

3.1 误差分解

3.2 误差估计

3.2.1 D 的估计

3.2.2 S1 的估计

3.2.3 S2 的估计

3.3 RR-MCC-MK 算法学习率分析

第4章 RR-MCC-MK 算法实验分析

4.1 算法实验说明

4.1.1 相关说明

4.1.2 超参数设置

4.2 模拟数据集实验

4.2.1 数据介绍

4.2.2 实验结果分析

4.3 真实数据集实验

4.3.1 数据介绍

4.3.2 实验结果分析

第5章 总结与展望

参考文献

致谢

声明