基于样本选择的最近邻凸包分类器

• 作者: 周晓飞 姜文瀚 杨静宇
• 来源期刊: 中国图象图形学报
• 学科: 工学
• 关键词: 样本选择 凸包最近邻凸包分类 子类凸包生长
• 年，卷（期）: 2008,（1）
• 所属期刊栏目: 图像分析和识别
• 页码范围: 109-113
• 页数: 5页
• 分类号: TP391
• 字数: 4082字
• 语种: 中文

摘要

最近邻凸包分类算法址一种以测试点到各类别样本凸包的距离为分类度量的最近邻分类算法.然而,该算法的凸二次规划问题优化求解的较高的计算复杂度限制了其在较大规模数据集上的应用.本文提出一种样本选择方法--子类凸包生长法.通过迭代,选择距离选出样本凸包最远的点,直到满足终止条件,从而实现数据集的有效约简.ORL数据库和MIT-CBCL人脸识别training-synthetic库上的实验结果表明,子类凸包生长法选出的少量样本生成的凸包能够很好的表征训练集,在不降低最近邻凸包分类器性能的同时,使得算法的计算速度大为提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨静宇	南京理工大学计算机科学与技术学院	623	11098	50.0	74.0
2	周晓飞	南京理工大学计算机科学与技术学院	12	78	7.0	8.0
3	姜文瀚	南京理工大学计算机科学与技术学院	12	78	7.0	8.0