彼得·比克尔。;亚亚科夫·里托夫;阿隆·扎凯 广义boosting算法的一些理论。 （英语） Zbl 1222.68148号 J.马赫。学习。物件。 7, 705-732 (2006). 摘要：我们回顾了助推的各个方面，通过一些简单的结果澄清了问题，并将我们和其他人的工作与统计学的极小极大范式联系起来。我们考虑了boosting算法的种群版本，并证明了其收敛于Bayes分类器，这是关于Hilbert空间中Gauss-Southwell优化的一般结果的推论。然后我们研究了样本版本的算法收敛性，并给出了样本完全分离的时间界限。我们得出了关于（L_{2}）增强的统计最优性的一些结果。 引用于14文件 理学硕士： 68T05型 人工智能中的学习和自适应系统 62H30型 分类和区分；聚类分析（统计方面） 关键词：分类;Gauss-Southwell算法;AdaBoost公司;交叉验证;非参数收敛速度 PDF格式BibTeX公司 XML格式引用 \textit{P.J.Bickel}等人，J.Mach。学习。第7705--732号决议（2006年；Zbl 1222.68148） 全文： 链接