基于高维空间稀疏最小生成树自适应覆盖模型的一类分类算法

• 作者: 胡正平 许成谦 路亮
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: 一类分类器 高维空间 最小生成树(MST) 稀疏最小生成树
• 年，卷（期）: 2011,（3）
• 所属期刊栏目: 研究与应用
• 页码范围: 444-451
• 分类号: TP391.4
• 字数: 6395字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6059.2011.03.021

摘要

最小生成树数据描述( MSTCD)在刻画高维空间样本点分布时,将所有图形的边作为新增虚拟样本以提供目标类样本分布描述,这种描述存在分支多、覆盖模型复杂的问题.针对该问题,依据特征空间中同类样本分布的连续性规律,文中提出基于稀疏最小生成树覆盖模型的一类分类算法.该方法首先构建目标类数据集的稀疏k近邻图表示,通过递归图分割算法发现数据分布的微聚类,再以微聚类的中心为图节点构建目标类的稀疏最小生成树覆盖模型.实验结果表明,文中方法与MSTCD和其它一类分类器相比有较优的描述性能和较低的模型复杂度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	许成谦	燕山大学信息科学与工程学院	146	874	13.0	21.0
2	胡正平	燕山大学信息科学与工程学院	160	1215	17.0	28.0
3	路亮	燕山大学信息科学与工程学院	5	12	2.0	3.0