面向矩阵模式的正则化Ho-Kashyap算法

作     者：田永军 陈松灿 Tian Yongjun;Chen Songcan

作者机构：南京航空航天大学信息科学与技术与学院南京210016 

基　　金：江苏省自然科学基金项目(BK2004001) 

出 版 物：《计算机研究与发展》 (Journal of Computer Research and Development)

年 卷 期：2005年第42卷第9期

页      码：1628-1632页

摘      要：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.

主 题 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 

学科分类：1305[艺术学-设计学类] 13[艺术学] 081104[081104] 08[工学] 0804[工学-材料学] 081101[081101] 0811[工学-水利类] 

核心收录：

D　O　I：10.1360/crad20050926

馆 藏 号：203118685...