基于径向基函数网络估计密度函数的数据分类

• 作者: 厉小润 赵光宙 赵辽英
• 来源期刊: 浙江大学学报（工学版）
• 学科: 工学
• 关键词: 模式分类 边界向量预选取 径向基函数网络 贝叶斯决策
• 年，卷（期）: 2007,（7）
• 所属期刊栏目: 自动化技术、计算机技术
• 页码范围: 1088-1092
• 页数: 5页
• 分类号: TP181
• 字数: 4303字
• 语种: 中文
• DOI: 10.3785/j.issn.1008-973X.2007.07.007

摘要

针对样本总体分布已知的分类问题,提出了一种新的分类方法.通过非线性映射将训练样本映射到高维特征空间,基于向量投影法从训练样本中选择边界向量,运用多维二叉树搜索法确定每个边界向量同类中的k近邻,运用统计理论中的大数定理估计样本的类条件概率密度函数,由边界向量与相应的密度函数构成新的训练样本对.对每一类数据建立一个径向基函数(RBF)网络,以相应类的边界向量作为中心,通过训练以RBF网络来估计样本的类条件概率密度,并采用基于最小错误率的贝叶斯决策来实现分类.对机器学习数据的仿真研究结果表明该方法具有与支持向量机(SVM)相似的识别率,并且能快速有效地实现多类分类.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	厉小润	浙江大学电气工程学院	55	414	12.0	16.0
2	赵光宙	浙江大学电气工程学院	115	2009	25.0	39.0
3	赵辽英	杭州电子科技大学计算机应用技术研究所	42	266	10.0	14.0