排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
分析在特定假设空间下k-部排序学习算法的可学习性.给出k-部排序可学习和可有效学习的概念,得到样本复杂度的上界以及k-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,将部分结果推广到限制模型中. 相似文献
2.
在大数据背景下,本体所包含的概念越来越多,其结构也越来越复杂.这要求其对应的本体算法能高效地降低计算的维度,进而减少计算复杂度.将原有的本体稀疏向量学习模型进行扩展,提出本体稀疏矩阵学习模型.通过矩阵导数计算设计一种迭代算法来获取逼近最优解.实验表明新算法在特定的本体应用领域有较高的效率. 相似文献
1