面向矩阵模式的正则化Ho-Kashyap算法

• 作者: 田永军 陈松灿
• 来源期刊: 计算机研究与发展
• 学科: 工学
• 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
• 年，卷（期）: 2005,（9）
• 所属期刊栏目: 图形与图像处理与模式识别
• 页码范围: 1628-1632
• 页数: 5页
• 分类号: TP391.4
• 字数: 3592字
• 语种: 中文

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Ho-Kashyap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Ho-Kashyap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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈松灿	南京航空航天大学信息科学与技术与学院	120	1370	19.0	32.0
2	田永军	南京航空航天大学信息科学与技术与学院	1	3	1.0	1.0