基于子空间样本选择的最近凸包分类器

• 作者: 周晓飞 姜文瀚 杨静宇
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 模式识别 人脸识别 样本选择 最近邻凸包 子空间样本选择
• 年，卷（期）: 2008,（12）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 167-168,171
• 页数: 3页
• 分类号: TP391
• 字数: 3233字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2008.12.059

摘要

最近邻凸包分类器需要求解测试样本到训练集凸包距离的凸二次规划问题,对于训练集规模较大的情况,有必要在分类之前进行适当的样本选择.为此该文提出基于子空间样本选择的最近凸包分类方法.该方法首先采用子空间样本选择算法对训练集样本进行筛选,然后将各类选出的样本作为最近邻分类器的新的训练集.子空间样本选择方法的原理是在一类训练样本集内,迭代选择距离已选样本张成子空间最远的样本.在MIT-CBCL人脸识别数据库的training-synthetic子库的实验中,该方法只需5.6%的训练样本即可取得100%的识别率,并且执行时间较未经选样的最近邻凸包分类器也大为减少.

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