首页> 中文学位 >机器学习中的稀疏算法和非凸优化问题研究
【6h】

机器学习中的稀疏算法和非凸优化问题研究

代理获取

目录

声明

插图索引

表格索引

符号对照表

缩略语对照表

第一章 绪论

1.2 研究现状

1.3 研究目标

1.4 本文的研究内容与结构安排

第二章 鲁棒最小二乘支持向量机的稀疏算法

2.1 引言

2.2 鲁棒LSSVM模型和现有算法

2.3 稀疏R-LSSVM算法

2.4 数值实验和讨论

2.5 总结

2.6 附录

第三章 基于不完全Cholesky分解的快速核c-均值聚类

3.2 相关工作

3.3 研究背景

3.4 不完全Cholesky分解的收敛性

3.5 基于不完全Cholesky分解的核c-均值聚类

3.6 实验

3.7 结论

第四章 基于DC规划的快速核模糊c-均值聚类算法

4.2 KFCM模型及已有算法

4.3 基于DCA的KFCM算法

4.4 实验及结论

4.5 总结

第五章 基于随机方差缩减梯度及逐步优化算法的非凸优化问题求解

5.1 引言

5.2 符号和定义

5.3 基于SVRG的逐步优化算法

5.4 基于Prox-SVRG的逐步优化算法

5.5 算法推广

5.6 数值实验

5.7 总结

第六章 稳定稀疏子空间嵌入

6.1 引言

6.2 基础知识

6.3 稀疏嵌入

6.4 稳定稀疏子空间嵌入

6.5 S-SSE的性质

6.6 实验

6.7 总结

第七章 结论与展望

7.2 未来工作展望

参考文献

致谢

作者简介

展开▼

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号