文献类型：期刊文章

作　　者：何志昆[1] 刘光斌[1] 赵曦晶[1] 王明昊[1]

机构地区：[1]第二炮兵工程大学控制工程系,西安710025

出　　处：《控制与决策》

基　　金：国家863计划项目(2010AA7010213)

年　　份：2013

卷　　号：28

期　　号：8

起止页码：1121-1129

语　　种：中文

收录情况：AJ、BDHX、BDHX2011、CSA、CSA-PROQEUST、CSCD、CSCD2013_2014、EI(收录号：20134216845514)、IC、INSPEC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：高斯过程回归是基于贝叶斯理论和统计学习理论发展起来的一种全新机器学习方法,适于处理高维数、小样本和非线性等复杂回归问题.在阐述该方法原理的基础上,分析了其存在的计算量大、噪声必须服从高斯分布等问题,给出了改进方法.与神经网络和支持向量机相比,该方法具有容易实现、超参数自适应获取以及输出具有概率意义等优点,方便与预测控制、自适应控制、贝叶斯滤波等相结合.最后总结了其应用情况并展望了未来发展方向.

关 键 词：高斯过程回归  机器学习  函数空间 协方差矩阵 近似法 不确定度

分 类 号：TP181]