期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
5
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于L1范数凸包数据描述的多观测样本分类算法
被引量：
4
1
作者
胡正平
王玲丽
《电子与信息学报》
EI
CSCD
北大核心
2012年第1期194-199,共6页
为建立高维空间样本分布的最佳覆盖为目标来实现覆盖分类,该文提出基于L1范数凸包数据描述的多观测样本分类算法。首先对训练集的每个类别以及测试集的多观测样本分别构造凸包模型,这样多观测样本的分类就转化为凸包模型的相似性度量问...
为建立高维空间样本分布的最佳覆盖为目标来实现覆盖分类,该文提出基于L1范数凸包数据描述的多观测样本分类算法。首先对训练集的每个类别以及测试集的多观测样本分别构造凸包模型,这样多观测样本的分类就转化为凸包模型的相似性度量问题。若测试集的凸包模型与训练集无重叠,采用L1范数距离测度进行凸包模型之间的相似性度量;若有重叠,采用L1范数距离测度进行收缩凸包(reduced convex hulls)之间的相似性度量。然后采用最近邻准则作为多观测样本的分类决策。在3个数据库上进行的实验结果,表明该文提出方法对于多观测样本分类具有可行性和有效性。
展开更多
关键词
模式识别
凸包
L1范数距离测度
最近邻分类
多观测样本
下载PDF
职称材料
适合多观测样本的基于LS-SVM的新分类算法
被引量：
1
2
作者
李欢
王士同
《计算机工程与应用》
CSCD
北大核心
2016年第1期113-119,共7页
针对多观测样本的二分类问题,提出适合多观测样本的基于LS-SVM的新分类算法。每次分类中,待分类的模式使用多观测样本集进行表示,首先对多观测样本集的标签进行假设,将此假设条件作为LS-SVM中优化问题的约束条件,由此得到分类误差,通过...
针对多观测样本的二分类问题,提出适合多观测样本的基于LS-SVM的新分类算法。每次分类中,待分类的模式使用多观测样本集进行表示,首先对多观测样本集的标签进行假设,将此假设条件作为LS-SVM中优化问题的约束条件,由此得到分类误差,通过比较两次假设下的分类误差确定多观测样本的类别。该方法无需提前训练获得分类器,而是同时利用已知标签样本和多观测样本集,充分利用同类样本在特征空间中连续分布的特点。最后通过三组实验验证了所提方法的有效性。
展开更多
关键词
模式识别
二分类
多观测样本
LS-SVM算法
下载PDF
职称材料
基于Kernel Discriminant Canonical Correlation(KDCC)的多观测样本分类算法
3
作者
牛晓霞
胡正平
王玲丽
《数学的实践与认识》
CSCD
北大核心
2012年第9期96-107,共12页
针对多观测样本分类问题,提出一种基于Kernel Discriminant CanonicalCorrelation(KDCC)来实现多观测样本分类的模型.该算法首先把原空间样本非线性的投影到高维特征空间,通过KPCA得到核子空间,然后在高维特征空间定义一个使类内核子空...
针对多观测样本分类问题,提出一种基于Kernel Discriminant CanonicalCorrelation(KDCC)来实现多观测样本分类的模型.该算法首先把原空间样本非线性的投影到高维特征空间,通过KPCA得到核子空间,然后在高维特征空间定义一个使类内核子空间的相关性最大,同时使类间核子空间的相关性最小的KDCC矩阵,通过迭代法训练出最优的KDCC矩阵,把每个核子空间投影到KDCC矩阵上得到转换核子空间,采用典型相关性作为转换核子空间之间的相似性度量,并采用最近邻准则作为多观测样本的分类决策,从而实现多观测样本的分类.在三个数据库上进行了一系列实验,实验结果表明提出的方法对于多观测样本分类具有可行性和有效性.
展开更多
关键词
KDCC
典型相关性
最近邻分类
多观测样本
原文传递
基于稀疏恢复的L_1范数多观测样本凸包分类算法
4
作者
赵敬红
李永磊
《机械工程师》
2016年第1期9-11,共3页
在传统的统计模式识别中,由于单观测样本的分类受到样本数量的限制,导致最终的识别效果不够理想。针对这一不足,文中提出基于稀疏恢复的L_1范数多观测样本凸包分类算法,利用多张测试样本构成的凸包模型代替传统的单观测样本,通过计算观...
在传统的统计模式识别中,由于单观测样本的分类受到样本数量的限制,导致最终的识别效果不够理想。针对这一不足,文中提出基于稀疏恢复的L_1范数多观测样本凸包分类算法,利用多张测试样本构成的凸包模型代替传统的单观测样本,通过计算观测样本凸包与各类训练样本凸包的距离进行分类。这在一定程度上改善了单观测样本分类的不足,经过实验对比分析证明了算法的可行性以及优越性。文中算法结果为多观测样本的分类提供了有效的理论基础。
展开更多
关键词
稀疏恢复
多观测样本
凸包
距离
分类
下载PDF
职称材料
支持向量机的多观测样本二分类算法
被引量：
7
5
作者
李欢
王士同
《智能系统学报》
CSCD
北大核心
2014年第4期392-400,共9页
针对多观测样本的分类问题,提出基于SVM的多观测样本二分类算法。每次分类时,首先限制组成多观测样本的所有单观测样本属于同一类别,对多观测样本的类别做2次假设,通过比较不同类别假设下的目标函数最优解来确定多观测样本的类别。该方...
针对多观测样本的分类问题,提出基于SVM的多观测样本二分类算法。每次分类时,首先限制组成多观测样本的所有单观测样本属于同一类别,对多观测样本的类别做2次假设,通过比较不同类别假设下的目标函数最优解来确定多观测样本的类别。该方法无需对分类器进行训练或提前对训练集进行特征表示,而是将已知标签样本集和多观测样本作为一个整体,充分利用特征空间中同类样本连续分布这一特点,使得分类更加准确。结果表明所提方法的有效性。
展开更多
关键词
模式识别
多观测
同类样本
SVM
二分类
下载PDF
职称材料
题名
基于L1范数凸包数据描述的多观测样本分类算法
被引量：
4
1
作者
胡正平
王玲丽
机构
燕山大学信息科学与工程学院
出处
《电子与信息学报》
EI
CSCD
北大核心
2012年第1期194-199,共6页
基金
国家自然科学基金(61071199)
河北省自然科学基金(F2010001297)
+1 种基金
中国博士后自然科学基金(20080440124)
第2批中国博士后基金(200902356)资助课题
文摘
为建立高维空间样本分布的最佳覆盖为目标来实现覆盖分类,该文提出基于L1范数凸包数据描述的多观测样本分类算法。首先对训练集的每个类别以及测试集的多观测样本分别构造凸包模型,这样多观测样本的分类就转化为凸包模型的相似性度量问题。若测试集的凸包模型与训练集无重叠,采用L1范数距离测度进行凸包模型之间的相似性度量;若有重叠,采用L1范数距离测度进行收缩凸包(reduced convex hulls)之间的相似性度量。然后采用最近邻准则作为多观测样本的分类决策。在3个数据库上进行的实验结果,表明该文提出方法对于多观测样本分类具有可行性和有效性。
关键词
模式识别
凸包
L1范数距离测度
最近邻分类
多观测样本
Keywords
Pattern
identification
Convex
hull
L1
norm
distance
measure
Nearest
neighbor
classification
multiple
observation
samples
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
适合多观测样本的基于LS-SVM的新分类算法
被引量：
1
2
作者
李欢
王士同
机构
江南大学数字媒体学院
出处
《计算机工程与应用》
CSCD
北大核心
2016年第1期113-119,共7页
基金
国家自然科学基金(No.61272210)
江苏省自然科学基金(No.BK2011417
+1 种基金
No.BK2011003)
江苏省"333"工程基金(No.BRA2011142)
文摘
针对多观测样本的二分类问题,提出适合多观测样本的基于LS-SVM的新分类算法。每次分类中,待分类的模式使用多观测样本集进行表示,首先对多观测样本集的标签进行假设,将此假设条件作为LS-SVM中优化问题的约束条件,由此得到分类误差,通过比较两次假设下的分类误差确定多观测样本的类别。该方法无需提前训练获得分类器,而是同时利用已知标签样本和多观测样本集,充分利用同类样本在特征空间中连续分布的特点。最后通过三组实验验证了所提方法的有效性。
关键词
模式识别
二分类
多观测样本
LS-SVM算法
Keywords
pattern
recognition
binary
classification
multiple
observation
samples
LS-SVM
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于Kernel Discriminant Canonical Correlation(KDCC)的多观测样本分类算法
3
作者
牛晓霞
胡正平
王玲丽
机构
燕山大学信息科学与工程学院
出处
《数学的实践与认识》
CSCD
北大核心
2012年第9期96-107,共12页
基金
国家自然科学基金(61071199)
河北省自然科学基金(F2010001297)
+1 种基金
中国博士后自然科学基金(20080440124)
第二批中国博士后基金特别资助(200902356)
文摘
针对多观测样本分类问题,提出一种基于Kernel Discriminant CanonicalCorrelation(KDCC)来实现多观测样本分类的模型.该算法首先把原空间样本非线性的投影到高维特征空间,通过KPCA得到核子空间,然后在高维特征空间定义一个使类内核子空间的相关性最大,同时使类间核子空间的相关性最小的KDCC矩阵,通过迭代法训练出最优的KDCC矩阵,把每个核子空间投影到KDCC矩阵上得到转换核子空间,采用典型相关性作为转换核子空间之间的相似性度量,并采用最近邻准则作为多观测样本的分类决策,从而实现多观测样本的分类.在三个数据库上进行了一系列实验,实验结果表明提出的方法对于多观测样本分类具有可行性和有效性.
关键词
KDCC
典型相关性
最近邻分类
多观测样本
Keywords
KDCC
canonical
correlation
nearest
neighbor
classification
multiple
observation
samples
分类号
TP301.6 [自动化与计算机技术—计算机系统结构]
原文传递
题名
基于稀疏恢复的L_1范数多观测样本凸包分类算法
4
作者
赵敬红
李永磊
机构
沈阳航空航天大学计算机学院
沈阳航空航天大学理学院
出处
《机械工程师》
2016年第1期9-11,共3页
文摘
在传统的统计模式识别中,由于单观测样本的分类受到样本数量的限制,导致最终的识别效果不够理想。针对这一不足,文中提出基于稀疏恢复的L_1范数多观测样本凸包分类算法,利用多张测试样本构成的凸包模型代替传统的单观测样本,通过计算观测样本凸包与各类训练样本凸包的距离进行分类。这在一定程度上改善了单观测样本分类的不足,经过实验对比分析证明了算法的可行性以及优越性。文中算法结果为多观测样本的分类提供了有效的理论基础。
关键词
稀疏恢复
多观测样本
凸包
距离
分类
Keywords
sparse
representation
multiple
observation
samples
convex
hull
distance
classification
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
支持向量机的多观测样本二分类算法
被引量：
7
5
作者
李欢
王士同
机构
江南大学数字媒体学院
出处
《智能系统学报》
CSCD
北大核心
2014年第4期392-400,共9页
基金
国家自然科学基金资助项目(61272210)
江苏省自然科学基金资助项目(BK2011417
+1 种基金
BK2011003)
江苏省"333"工程基金资助项目(BRA2011142)
文摘
针对多观测样本的分类问题,提出基于SVM的多观测样本二分类算法。每次分类时,首先限制组成多观测样本的所有单观测样本属于同一类别,对多观测样本的类别做2次假设,通过比较不同类别假设下的目标函数最优解来确定多观测样本的类别。该方法无需对分类器进行训练或提前对训练集进行特征表示,而是将已知标签样本集和多观测样本作为一个整体,充分利用特征空间中同类样本连续分布这一特点,使得分类更加准确。结果表明所提方法的有效性。
关键词
模式识别
多观测
同类样本
SVM
二分类
Keywords
pattern
recognition
multiple
observation
s
similar
samples
SVM
binary-class
classification
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于L1范数凸包数据描述的多观测样本分类算法
胡正平
王玲丽
《电子与信息学报》
EI
CSCD
北大核心
2012
4
下载PDF
职称材料
2
适合多观测样本的基于LS-SVM的新分类算法
李欢
王士同
《计算机工程与应用》
CSCD
北大核心
2016
1
下载PDF
职称材料
3
基于Kernel Discriminant Canonical Correlation(KDCC)的多观测样本分类算法
牛晓霞
胡正平
王玲丽
《数学的实践与认识》
CSCD
北大核心
2012
0
原文传递
4
基于稀疏恢复的L_1范数多观测样本凸包分类算法
赵敬红
李永磊
《机械工程师》
2016
0
下载PDF
职称材料
5
支持向量机的多观测样本二分类算法
李欢
王士同
《智能系统学报》
CSCD
北大核心
2014
7
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
