舆论摘要：级联算法与Neyman-Pearson进修

级联算法在计划机图形和小波领会中都有很要害的效率。Neyman-Pearson分门别类是处置形式辨别题目中的一个要害的本领。暂时对于NP-分门别类题目的接洽还很少。正文重要做了两上面的处事，一上面接洽了级联算法的抑制性题目，另一上面接洽了 Neyman-Pearson 进修题目。 第一章引见了本舆论的接洽手段及意旨、正文常用的东西及标记、国表里级联算法与Neyman-Pearson 进修的接洽近况以及正文的重要处事实质。 第二章运用一个紧维持初始因变量，创造了对于级联序列抑制少许等价前提。并证领会级联序列只有抑制就有好多抑制速率。 第三章接洽了 $L_infty({Bbb R})$ 上的有界级联序列的点态抑制性。并实行到了导因变量的序列中。 第四章把限制的 Rademacher 搀杂度本领引入到 NP-ERM 中，结构了一种NP-ERM 算法，使得所得估量的抑制界充满紧。 第六章运用 Rademacher 平衡结构了与 VC 维无干的 NP-SRM算法，并计划了她们的相容性。不只运用全部的 Rademacher平衡给出了相映的截止，本章还用限制的 Rademacher 平衡给出了 NP-SRM算法，使其有更紧的 Oracle 的界。 第六章接洽了凸丢失的实值可测因变量汇合上的 NP 分门别类的抑制性。 第七章给出了几个凸丢失的危害的搀杂度处治对的例子，并相映的给出了其对应的 NP-ERM算法的抑制性截止。最重要的是给出了限制的搀杂度处治，获得了更好的估量的界。