我们可以使用链接到您的Project Euclid帐户的电子邮件地址帮助您重置密码。
本文讨论了原始和(拉格朗日)对偶模型表示在有监督和无监督学习问题中的作用。估计问题的规范在原始层次上被认为是一个约束优化问题。约束与模型相关,该模型以特征图表示。从最优性条件出发,我们共同找到了最佳模型表示和模型估计。在对偶层次上,模型用正定核函数表示,这是支持向量机方法的特点。本文讨论了最小二乘支持向量机如何在回归、分类、主成分分析、谱聚类、典型相关分析、降维和数据可视化等问题中作为核心模型发挥核心作用。
约翰·苏肯斯(Johan A.K.Suykens)。 卡洛斯·阿尔扎特。 克里斯蒂安·佩尔克曼斯。 “基于内核的学习中的原始和对偶模型表示。” 统计师。Surv公司。 4 148 - 183, 2010 https://doi.org/10.1214/09-SS052