基于稀疏贝叶斯回归的正则化核密度估计算法

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

摘要：为了加快核密度估计（KDE）的计算速度，简化模型复杂度，提出了一种基于稀疏贝叶斯回归的KDE稀疏构造算法SBR—KDE．该算法将经人工加噪处理后的分布函数逼近值作为输入，获得了KDE的极为稀疏表示形式．实验结果表明：与传统KDE算法相比，在保持相当计算精度（多数情况下降低了模型误差）的情况下，文中算法的时空效率大幅度提高，而且在小样本训练集条件下得到的密度估计更光滑；独立成分分析及高斯化变换的应用使文中算法在一定程度上缓解了维数灾难．

原文链接:http://www.cqvip.com//QK/94312X/200905/30810814.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：核密度估计 正则化 核密度 贝叶斯 独立成分分析 机器学习 核密度估计 贝叶斯回归 不适定逆问题 人工加噪正则化