Kern-Algorithmen zum Lernen in Feature-Räumen

特征空间学习的核心算法

• 批准号: 5184858
• 负责人: Professor Dr.-Ing. Stefan Jähnichen
• 金额: --
• 依托单位: Fachgebiet Maschinelles Lernen/ Intelligente Datenanalyse
• 依托单位国家: 德国
• 项目类别: Research Grants
• 财政年份: 1999
• 资助国家: 德国
• 起止时间: 1998-12-31 至 2002-12-31
• 项目状态: 已结题
• 来源: https://gepris.dfg.de/gepris/projekt/5184858?language=en
• 关键词: Kern; Algorithmen; zum; Lernen; Feature

Das Projekt befaßt sich mit der Weiterentwicklung von Kernmethoden in Feature-Räumen. Diese Methoden umfassen die sogenannten Support-Vektor-Maschinen und Kernel Principal Component Analysis Ihnen ist gemein, daß sie Kernfunktionen verwenden, um Skalarprodukte in nichtlinear mit den Inputdaten zusammenhängenden Feature-Räumen zu berechnen. Diese Methodik ist auf alle Algorithmen anwendbar, die sich in Skalarprodukten formulieren lassen. Dementsprechend setzt das Projekt an zwei Stellen an: 1. Weiterentwicklung und Anwendung von (a) Kern-PCA, und (b) SV-Maschinen.... 2. Es sollen andere Kern-Algorithmen entwickelt werden. Diesbezüglich ist für uns vor allem die Verwendung von Kernfunktionen zur Konstruktion nichtlinearer Methoden zur Independent Component Analysis von Interesse.

Das Projekt befaßt mit der Weiterentwicklung von Kernmethoden in Feature-Räumen。支持矢量机械和内核主成分分析的方法是一种非常好的方法，它是一种核心函数，是一种线性输入数据中的 Skalarprodukte 特征。 Diese Methodik ist auf alle Algorithmen andwendbar, die sich in Skalarprodukten formulieren lassen. Dementsprechend setzt das Projekt an zwei Stellen an: 1. Weiterentwicklung und Anwendung von (a) Kern-PCA, und (b) SV-Maschinen.... 2. Es sollen andere Kern-Algorithmen entwickelt werden.这是一种基于兴趣的独立成分分析方法的关键函数构建方法。