样本依赖型最小平方回归学习算法的收敛速度  

The convergence rate of learning algorithm for least square regression with sample dependent hypothesis spaces

作　　者：王依盈[1] 周燕[1] 陈峥[1] 高思思[1] 盛宝怀[1] 

机构地区：[1]绍兴文理学院数学系,浙江绍兴312000

出　　处：《宝鸡文理学院学报（自然科学版）》2011年第3期5-9,共5页Journal of Baoji University of Arts and Sciences(Natural Science Edition)

基　　金：国家自然科学基金项目(No.10871226);浙江省自然科学基金项目(No.Y6100096)

摘　　要：目的研究基于样本依赖型的范数正则化学习算法的收敛性分析。方法概率论与数理统计的方法。结果给出了一种用K-泛函表示的收敛速度。结论文中的研究表明,样本依赖型学习算法与通常的核学习算法具有相同的收敛速度。Aim The convergence for the norm regularized learning algorithm depending upon the sample is analyzed. Methods The probability theory and mathematical statistics are used. Results A kind of convergence rate is provided with a K- functional. Conclusion The results show that the convergence rate of least square regression with sample dependent hypothesis spaces is the same as that of the usual kernel learning scheme.

关 键 词：学习理论 最小平方回归 样本依赖型再生核Hilbert空间 学习速度 

分 类 号：O174.41[理学—数学]