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 bea ß ßt ß ich mit der Weiterentwicklung von Kernmethoden in Feature-Räumen。基于支持向量机和核主成分分析的离散化方法，基于离散函数的离散化方法，基于离散函数的离散化方法，基于离散函数的离散化方法，基于离散函数的离散化方法，基于离散函数的离散化方法。Diese Methodik列出了所有的算法和文本，并将其应用于skalarproductten公式中。1.在此基础上，提出了一种新的解决方案。(a) Kern-PCA, (b) SV-Maschinen....2. 他是sollen andere Kern-Algorithmen entwickelt werden。基于独立分量分析方法的结构分析方法（英文）。