模糊相似关系传递核获取算法

针对模糊相似关系传递核的获取问题进行研究.首先给出模糊相似关系传递核的一些基本性质.之后,利用这些性质构造了三个算法来获取可能为传递核的模糊等价关系.最后,通过实验比较并分析这三种算法在获取传递核时的能力.     

高斯核正则化学习算法的泛化误差

对广义凸损失函数和变高斯核情形下正则化学习算法的泛化性能展开研究.其目标是给出学习算法泛化误差的一个较为满意上界.泛化误差可以利用正则误差和样本误差来测定.基于高斯核的特性,通过构构建一个径向基函数(简记为RBF)神经网络,给出了正则误差的上界估计,通过投影算子和再生高斯核希尔伯特空间的覆盖数给出样本误差的上界估计.所获结果表明,通过适当选取参数σ和λ,可以提高学习算法的泛化性能.     

随机梯度下降法的一些性质(英文)

本文研究了一般核空间下的随机梯度下降法.通过迭代方法,给出了该算法的一些重要性质,这些性质对于研究收敛速度起到至关重要的作用.     

正则化回归算法的快速学习率

本文讨论了再生核Hilbert 空间上一类广泛的正则化回归算法的学习率问题. 在分析算法的样本误差时, 我们利用了一种复加权的经验过程, 保证了方差与惩罚泛函同时被阈值控制, 从而避免了繁琐的迭代过程. 本文得到了比之前文献结果更为快速的学习率.     

一类积分边值问题的再生核数值算法

研究了一类具有积分条件的边值问题.基于再生核理论,巧妙地构造了一个具有积分条件的再生核空间,并且给出了再生核函数表达式.应用泛函分析中的算子理论及逼近论思想,给出了方程的近似解,即再生核数值算法.通过实例验证了算法的可行性和有效性.     

多项式核最小二乘正则化回归的逼近阶

给出具有多项式核最小二乘正则化回归算法的逼近阶, 目的是解决学习理论中回归问题的误差分析. 构造了一种可以产生逼近于最优逼近阶的正则化方案, 而所得到的逼近阶依赖于多项式空间的维数和具有多项式核的再生核Hilbert 空间, 同时也建立了Borel 概率测度下的~$L_{\rho_X}^2$ 空间中Bernstein-Durrmeyer 算子逼近的正定理.     

面向大数据流的多任务在线学习算法研究

大数据时代背景下,越来越多领域对大数据计算提出了高要求,尤其各行各业产生的大数据更多地是一种动态的流式数据形态,因此,实现实时、快速、高效的大数据流计算与分析日益紧要.在线机器学习算法是解决实时大数据流分析的有效方案.在机器学习算法中,通过核学习能够获得有效的核函数,而所选核函数又对核学习器的性能有很大影响.结合在线机器学习与核函数研究一种适用于大数据流环境下的多任务在线学习算法,探讨了算法过程中可能出现的扰动项,应用数据依赖核的构建方法提高了算法的广泛性.算法不需要对历史数据流进行存储和重新扫描,只需选择一个数据集样本,在分析新的流式大数据时能够在可接受时间内直接将当前核函数更新为最合适的核函数,非常适合应用于流式大数据环境下的核学习问题.     

一类微分代数系统的受控不变分布及其不变性

针对一类非线性微分代数系统,利用M导数方法,给出了受控不变分布的概念,并讨论了此类微分代数系统受控不变分布的一些性质.给出了一个计算包含在系统输出核(kerE(h))内的最大受控不变分布的算法,同时讨论了该算法的一些性质.最后,给出一个例子说明如何利用给出的算法计算微分代数系统的包含在系统输出核内的最大受控不变分布.     

求解奇异三阶边值问题的一个算法

奇异三阶边界值问题出现在排水和涂料流动等研究领域.该文基于再生核理论给出了一个新的算法来求解此类问题.方程的精确解以级数的形式在再生核空间W_2~4[0,1]中给出.同时给出了一些算例说明了这个方法的有效性.     

一种新城市气温模式分类的聚类算法

城市气温是对城市气候特性评价的一个重要指标.提出核概率聚类算法并将其应用于城市气温的模式分类中,以此寻找城市发展上的共同点.该算法在概率聚类算法上引入了核学习方法的思想,能够很好地处理噪音和孤立点,实现更为准确的聚类.实验结果表明,与相关聚类算法相比,核概率聚类算法聚类效果好,且算法能够很快地收敛.     

Journe小波变换像空间描述

1引言1950年N.Aronszjan发表的一篇综述性文章《Theory of reproducing kernels》标志再生核理论的初步形成.由于再生核有许多良好的计算性质,S.Saitoh总结并深入研究再生核基本理论,进一步拓展了再生核的应用领域;徐利治把再生核应用于L~2(B)(B是复平面上的一个区域)中解析函数重积分降维问题,并提出了一个能对一些预先给出的     

p-级数域重排特征系统加权极大函数

通过研究狄利克雷核的一般性质,讨论P-级数域重排特征系统的加权极大狄利克雷核函数的积分情况,并给出加权极大函数可积的充要条件．     

在微积分中Dirichlet核的性质及应用

在微积分中,Dirichlet核的内容虽然较简单,但它的应用却非常广泛,而且效果独特.将进一步研究它的具体内容、性质和应用.     

Approximation of kernel matrices by circulant matrices and its application in kernel selection methods

This paper focuses on developing fast numerical algorithms for selection of a kernel optimal for a given training data set. The optimal kernel is obtained by minimizing a cost functional over a prescribed set of kernels. The cost functional is defined in terms of a positive semi-definite matrix determined completely by a given kernel and the given sampled input data. Fast computational algorithms are developed by approximating the positive semi-definite matrix by a related circulant matrix so that the fast Fourier transform can apply to achieve a linear or quasi-linear computational complexity for finding the optimal kernel. We establish convergence of the approximation method. Numerical examples are presented to demonstrate the approximation accuracy and computational efficiency of the proposed methods.     

Slepian半小波基函数及其在无线通讯信号概率密度估计中的应用

文[20]引进了Slepian半小波基函数并讨论了这组基在概率度估计核方法中的应用[21]，Slepian半小波基函数具有极好的性质．包括多重尺度结构和局部非负性．更值得指出的是．与Gauss核不同，Slepian函数是与无线信号类似的具有平滑谱的有限带宽函数．在所有相同带宽的函数中．Slepian函数在特定的时同区域上具有最大能量．在逼近具有平滑谱的无线信号中．这些特性使得Slepian半小波核与Gauss核以及其他小波基相比具有潜在的优越性．美中不足的是．和其他核密度估计一样．Slepian核密度估计的算法设计具有一定的挑战性．幸运的是．我们注意到Slepian核可以被表示成卷积形式．这一观察具有重要的计算意义．本文主要讨论Slephn核密度估计的应用及其计算．我们首先设计了基于离散卷积的算法并讨论了这一算法的有效性．在文章的结尾，以Slepian核密度估计作为具有平滑谱的远程信号的衰减包络的模型为例．我们考查了Slepian核及其算法的性质．为了尝试数学理论与应用的紧密联系，本文的数值试验不仅采用了模拟数据而且包括了从无线通讯用户的硬件直接采集的实际数据．     

Blowup solutions of Grushin’s operator

In this note, we consider the blowup phenomenon of Grushin’s operator. By using the knowledge of probability, we first get an expression of heat kernel of Grushin’s operator. Then by using the properties of heat kernel and suitable auxiliary function, we get that the solution will blow up in finite time.     

Analytic continuation and identities involving heat,Poisson, wave and Bessel kernels

In this article we use classical formulas involving the K–Bessel function in two variables to express the Poisson kernel on a Riemannian manifold in terms of the heat kernel. We then use the small time asymptotics of the heat kernel on certain Riemannian manifolds to obtain a meromorphic continuation of the associated Poisson kernel to all values of complex time with identifiable singularities. This result reproves in a different setting by different means a well–known theorem due to Duistermaat and Guillemin [DG 75]. Also, we develop analytic expressions for the heat kernel beyond asymptotic expansions. (© 2003 WILEY‐VCH Verlag GmbH & Co. KGaA, Weinheim)     

一种基于Bhattacharyya核的SVM

包括图像识别在内的很多应用领域里,把单个样本表示成向量的集合的形式是很自然的想法,利用一个合适的核函数我们可以把这些向量映射到一个更高维的Hilbert空间,在这个高维空间里用Kernel PCA方法找到样本的高斯分布族,这样就可以把样本上的核函数定义成它们所服从的高斯分布密度函数的Bhattacharrya仿射.这样得到的核函数具有比较好的性质,比如说在各种变换下有稳定性表现,从而也说明了即使还有别的表示样本的方法,用向量集合的形式来表示单个的样本也是具有合理性的.     

Reproducing kernel method of solving singular integral equation with cosecant kernel

In the paper, a reproducing kernel method of solving singular integral equations (SIE) with cosecant kernel is proposed. For solving SIE, difficulties lie in its singular term. In order to remove singular term of SIE, an equivalent transformation is made. Compared with known investigations, its advantages are that the representation of exact solution is obtained in a reproducing kernel Hilbert space and accuracy in numerical computation is higher. On the other hand, the representation of reproducing kernel becomes simple by improving the definition of traditional inner product and requirements for image space of operators are weakened comparing with traditional reproducing kernel method. The final numerical experiments illustrate the method is efficient.