基于高维空间典型样本Steiner最小树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: 信号处理
• 学科: 工学
• 关键词: 一类分类器 高维空间 最小生成树 Steiner最小树
• 年，卷（期）: 2011,（6）
• 所属期刊栏目: 算法研究
• 页码范围: 874-882
• 分类号: TP391.4
• 字数: 7047字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-0530.2011.06.012

摘要

最小生成树数据描述方法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同类样本分布描述,这种描述存在分支多覆盖模型复杂,且局部覆盖不够合理的问题.针对该问题,依据特征空间中同类样本分布的连续性规律,提出基于高维空间典型样本Steiner最小树覆盖模型的一类分类算法,该算法首先对目标类训练集进行样本修剪,去除冗余信息和噪声信息,选择最具代表性的样本作为训练集,然后对保留的典型样本构建Steiner最小树覆盖模型.算法分析和仿真实验结果表明,相比最小生成树数据描述,文中提出的方法能在较低覆盖模型复杂度的前提下更合理的描述目标类样本空间分布,构建更合理的覆盖模型,在分类正确率和适用样本规模上都表现出一定的优越性.

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