%0 Journal Article
%T 可能性线性模型中的参数选优与输入噪声间关系的研究
%A 葛洪伟
%A 王士同
%J 模式识别与人工智能
%P 42-47
%D 2007
%X 基于可能性理论的可能性线性模型(PLM)在模糊建模等应用中有重要的作用.本文首先借鉴统计学习理论将此模型扩展为正则化(regularized)的可能性线性模型(RPLM)，以提高其泛化能力.然后利用将其优化问题转换为最大后验估计问题的新方法，研究当数据含有噪声时，模型中的拟合门限值λ和输入噪声均方差σ之间的关系.理论推导和仿真实验均证明，当输入噪声为高斯模型时，λ和σ成近似的线性反比关系.该结论对PLM和RPLM均有借鉴意义，为已知输入噪声均方差时，合理选择λ提供理论依据.
%K 可能性理论
%K 可能性线性模型(PLM)
%K 最大后验估计(MAP)
%U http://manu12.magtech.com.cn/Jweb_prai/CN/abstract/abstract10456.shtml