文献类型：期刊文章

作　　者：汤莉[1,2] 宫秀军[2,3] 何丽[1]

机构地区：[1]天津财经大学理工学院信息科学与技术系,天津300222 [2]天津大学计算机科学与技术学院,天津300072 [3]天津市认知计算与应用重点实验室,天津300072

出　　处：《计算机科学与探索》

基　　金：国家自然科学基金No.61170177;国家重点基础研究发展计划(973计划)No.2013CB32930X~~

年　　份：2015

卷　　号：9

期　　号：1

起止页码：1-13

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CSA、CSA-PROQEUST、CSCD、CSCD2015_2016、IC、ZGKJHX、核心刊

摘　　要：PAC-Bayes理论融合了贝叶斯定理和随机分类器的结构风险最小化原理,它作为一个理论框架,可得到最紧的泛化风险边界。分析了PAC-Bayes理论的研究背景和重要意义,介绍了PAC-Bayes理论框架及其在支持向量机上的应用,分别探讨了多种机器学习算法的PAC-Bayes边界,并特别对非独立同分布数据的PACBayes边界进行了分析。从4个方面深入阐述了PAC-Bayes边界应用的研究现状及进展,并对不同的研究方法和特点进行了比较。最后展望了PAC-Bayes边界未来的研究发展方向。

关 键 词：PAC-Bayes边界  支持向量机 泛化能力 分类器

分 类 号：TP181]