摘要7-8
Abstract8-9
第一章 绪论9-21
1.1 经典的统计学习论述9-12
1.2 再生核 Hilbert 空间与积分算子、样本算子12-15
1.2.1 再生核 Hilbert 空间12-13
1.2.2 积分算子13-14
1.2.3 样本算子14-15
1.3 学习论述中的正则化算法15-21
1.3.1 学习论述中的正则化思想15-17
1.3.2 正则化回归学习算法17-18
1.3.3 回归函数逼近与正则化条件18-21
第二章 谱正则化算法的一致性浅析21-47
2.1 引言21-23
2.1.1 谱正则化算法21-22
2.1.2 误差分解及正则化条件22-23
2.2 相关引理23-29
2.3 误差浅析29-33
2.3.1 逼近误差的估计29-30
2.3.2 样本误差的估计30-33
2.4 学习速率33-35
2.4.1 正则化最小二乘算法学习速率33-34
2.4.2 l 2系数正则化算法学习速率34-35
2.5 算法仿真35-40
2.5.1 正则化最小二乘算法仿真35-38
2.5.2 l~2系数正则化算法仿真38-40
2.6 稀疏性背景下谱算法的一致性浅析40-47
2.6.1 稀疏性条件40-42
2.6.2 相关引理42-43
2.6.3 误差浅析43-47
第三章 多维分布的精确度矩阵的学习47-51
3.1 引言47-48
3.2 相关引理48-50
3.3 主要结果的证明50-51
第四章 非对称核的性质及推广51-55
4.1 引言51
4.2 非对称核性质的推广51-55