-
题名面向矩阵模式的正则化Ho-Kashyap算法
被引量：3
- 1
-
-
作者
田永军
陈松灿
-
机构
南京航空航天大学信息科学与技术与学院
-
出处
《计算机研究与发展》
EI
CSCD
北大核心
2005年第9期1628-1632,共5页
-
基金
江苏省自然科学基金项目(BK2004001)~~
-
文摘
线性分类器由于其简单性和易扩展成非线性分类器的特性,使其成为统计模式识别中最常用的方法之一.正则化的HoKashyap线性分类算法(MHKS)采用了支持向量机最大化间隔的思想.现有的线性分类器大都是针对向量模式的,要应用于矩阵表示的模式,如人脸图像等必须首先将矩阵模式转换成向量模式.但如此至少会带来3个不足:①原有矩阵模式的空间或结构信息可能会遭到破坏;②由于权向量的维数等于输入模式的维数,当输入模式维数很大时,权值的存储空间相应地会很大;③对于大维数的模式,当样本数不多时,利用线性分类器易导致过拟合.受到已有面向矩阵的特征提取方法的启发,设计出面向矩阵模式的双边正则化HoKashyap分类算法MatMHKS,克服了以上不足.与MHKS相比,在ORL数据库、Letter数据集、UCI机器学习部分数据集上实验都取得了更好的分类性能.
-
关键词
矩阵模式
(修改的)Ho—Kashyap准则
双边线性分类器
正则化
模式识别
-
Keywords
matrix pattern
（modified） Ho-Kashyap criterion
two-sided linear classifier
regularization
pattern recognition
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
