k部排序学习算法的可学习性分析①.pdfVIP

( ) 第 卷第 期 西 南 大 学 学报 自然科学版 年 月 ３８ ３ 　　　　　　　　　 　　　　　　　　　　　２０１６ ３ ( ) Vol３８　No３ JournalofSouthwestUniversit NaturalScienceEdition Mar　２０１６ y : / DOI １０１３７１８ cnkixdzk２０１６０３０２８ j k 部排序学习算法的可学习性分析① １ ２ １ ２ 兰美辉 , 甘健侯 , 任友俊 , 高 炜 　 　 　 　 , ; , １曲靖师范学院 计算机科学与工程学院 云南 曲靖 ６５５０１１ ２云南师范大学 信息学院 昆明 ６５０５００ 摘要: , 分析在特定假设空间下 部排序学习算法的可学习性 给出 部排序可学习和可有效学习的概念 得到样 k ． k , , 本复杂度的上界以及 部排序算法可有效学习的一个充分条件 同时给出与计算复杂度相关的若干结果 最后 将 k ． 部分结果推广到限制模型中． 关 键 词: ; ; ; ; 　 　 统计学习理论 可学习性 k 部排序算法 样本复杂度 计算复杂度 中图分类号: 文献标志码: 文章编号: ( ) TP３９３０９２　　　　 A　　　　 １６７３ ９８６８２０１６０３ ０１７７ ０７ , 近年来 排序学习算法由于其广泛的用途而受到大量国内外学者的关注 排序学习方法的目的是通 ． : : 过样本的学习得到排序函数f X →R．与传统回归学习算法的本质差别是 回归学习算法看重的是在 , () ; , ( ) ( ) 函数 下 x 的值是否与标记 相接近 而排序算法强调的是在排序函数 下 x１ 与 x２ 的 f f y f f f , ( ) ( ), 值的大小关系是否与 和 的大小关系一致 即当标记值 ＞ 时有 x ＞ x 而当 ＜ １ ２