-
题名类依赖的相关性多类分类器
- 1
-
-
作者
陈晓红
-
机构
南京航空航天大学理学院
南京航空航天大学信息科学与技术学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2010年第2期7-10,82,共5页
-
基金
国家自然科学基金(No.60773061)~~
-
文摘
典型相关分析(CCA)是利用样本的相关性进行特征提取的一种重要的降维方法,而相关性判别分析(CDA)则是在特征空间中最大化同类样本对间的相关性,同时最小化不同类样本对间的相关性,可看作类依赖的典型相关分析。这两种方法的特征提取与其后的分类器是两个相互独立的过程,如此不可避免地会影响分类器的性能。借助正则单纯形的顶点等距并具有仿射不变性的特性,将其作为类标号编码,把样本中包含的类信息结合到分类器设计中,最大化各个样本与其类标号的相关性,同时最小化样本与其余类标号之间的相关性,得到类依赖的相关性多类分类器(CCMC)。进一步通过与经验核相结合,获得了具有更强分类性能的核化版非线性分类器EK-CCMC。人工数据集和部分UCI数据集上的实验结果表明,利用类依赖的相关性直接设计分类器可以提高分类性能。
-
关键词
典型相关分析
线性判别分析
特征提取
类依赖
多类分类器设计
-
Keywords
Canonical Correlation Analysis（CCA）
linear discriminant analysis
feature extraction
class-specific
multi-class classi- fier design
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
