基于最大化密度差的L2 核分类器
DOI:
CSTR:
作者:
作者单位:

1. 江南大学信息工程学院
2. 江南大学

作者简介:

应文豪

通讯作者:

中图分类号:

基金项目:

超大规模发酵数据集驱动的模糊推理系统快速构建方法研究;鲁棒的目标跟踪和识别新方法及在羽绒识别中的应用研究


L2 kernel classifier based on maximum difference of densities
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    提出一种基于最大化密度差的??2 核分类器算法MDL2KC. 该算法不仅可以保证估计出的两类密度差接近
    于真实密度差, 而且可以使两类的密度差尽可能大. 利用人工数据集和标准UCI 数据集进行实验验证, 所得结果表
    明, MDL2KC算法较传统的??2 核分类器算法具有更好的分类效果和稀疏特性.

    Abstract:

    This paper proposes a kernel classification algorithm(MDL2KC) based on the theory of maximum difference of
    densities. MDL2KC not only ensure the estimate difference of densities fairly close to the true difference of densities, but
    also maximize the difference of densities between two classes. As demonstrated by extensive experiments in artifical and
    UCI datasets, the proposed algorithm has better classification effect and sparsity than the traditional ??2 kernel classification
    algorithm.

    参考文献
    相似文献
    引证文献
引用本文

应文豪, 王士同.基于最大化密度差的L2 核分类器[J].控制与决策,2012,27(1):77-81

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2010-08-24
  • 最后修改日期:2010-11-06
  • 录用日期:
  • 在线发布日期: 2012-01-20
  • 出版日期:
文章二维码