统计学习算法：多分类及非独立同漫衍抽样下的回归.pdfVIP

摘要 摘要 随着现代科学技术的发展，人们每天都要面对大量无法直接理解的数据。 如何利用计算机来帮助我们理解和处理数据信息成了当今科学技术界的一个 重要研究课题。机器学习是计算机得到广泛应用后逐渐发展起来的一门学科。 它是人工智能的一个子领域，主要研究如何利用已有的经验数据设计一些算 法使计算机具有从数据中学习出规律的能力。机器学习跟统计学有着重要的 关系，因为这两个领域都是研究数据分析，但是又不像统计学，机器学习关注 的是计算实现的算法复杂度。很多推论问题属于无程序可循难度，所以部分 的机器学习研究是开发容易处理的近似算法。 学习理论是机器学习的一个分支。它是一个跨学科的研究领域，涉及应用 数学、统计、计算机科学、计算生物学和数据挖掘等学科。它的目的是通过数 据学习函数的特征(例如函数值和变量)或数据结构。主要研究课题包括设计 一些更有效的算法和为机器学习中已有的算法提供理论支持。 在此论文中，我们研究了两个问题。首先是提出了一种新的多分类算法。 我们通过Parzen窗设计了一种多分类算法，并对该算法进行了理论分析。这 种Parzen窗多分类器优于通常的通过结合二分类器来构造多分类器的各种方