具有合适拒识机制的高正确识别率分类器设计

作     者：杨国为 万鸣华 赖志辉 张凡龙 黄伟强 YANG Guo-wei;WAN Ming-hua;LAI Zhi-hui;ZHANG Fan-long;WONG Wai-keung

作者机构：青岛大学电子信息学院山东青岛266071 南京审计大学信息工程学院江苏南京211815 深圳大学计算机与软件学院广东深圳518060 香港理工大学香港九龙999077 

基　　金：国家重点研发计划(No.2017YFC080-4000) 国家自然科学基金面上项目(No.6177227,No.61876213) 江苏省自然科学基金(No.BK20171494,No.BK20201397) 江苏省高校自然科学重点项目(No.18KJA520005) 

出 版 物：《电子学报》 (Acta Electronica Sinica)

年 卷 期：2021年第49卷第8期

页      码：1569-1576页

摘      要：针对目前一些正确识别率高的SVM(Support Vector Machines)分类器、超球SVM分类器、深度学习分类器在一些典型样本集上应用时仍然有2%左右的错误识别率和增量学习功能不强的问题,本文提出了一种具有合适拒识机制的高正确识别率分类器设计方案和相应的增量学习算法,较好地解决了上述问题.主要工作包括:同类特征集合的紧密包裹集构造算法;基于同类特征集合和紧密包裹集的同类特征区域紧密包裹面的求解算法;设置所有紧密包裹面之外的公共区域为分类器的拒识区域的方法;当增加新类别、增减训练样本时,以上算法的增量学习算法.用uci数据集做对比实验表明,在拒识率小于1.3%的情况下,本文方法设计的分类器正确识别率大于99.13%.

主 题 词：分类器 模式识别 支持向量机 增量学习 分类面 包裹学习 

学科分类：08[工学] 0812[工学-测绘类] 

核心收录：

D　O　I：10.12263/DZXB.20190518

馆 藏 号：203104868...