基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
分析了李群流形空间的几何结构、核函数和KFDA(kernel Fisher linear discriminant analysis)的原理,推导了矩阵李群内积空间的度量形式,进一步推导出5个李群核函数,并以此设计实现了KLieDA(kernel Lie group linear discriminant analysis)算法.李群核函数是适应性更广的核函数形式,由于欧氏空间的几何结构是李群的子集,李群函数不仅适用于矩阵李群的样本集,同时也适用于常规的向量形式的样本集.实验表明,基于李群函数和李群均值理论的KLieDA算法是一种快速高效的李群样本分类器.实验部分除了KLieDA的分类,还对基于李群核的SVM(support vector machine)算法进行手写体分类,结果表明,手写体图像的区域协方差李群特征具有较好的线性分布特性.
推荐文章
李群深层结构学习算法研究
李群深层结构学习
半监督学习算法
流形
多李群核覆盖学习算法在图像分类上的应用
李群
流形结构
覆盖学习算法
核函数
李群机器学习(LML)的学习子空间轨道生成格算法
李群机器学习
学习子空间
轨道生成格
多连通李群覆盖学习算法在图像分类上的应用
李群机器学习
多连通李群
李群覆盖学习算法
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 李群核学习算法研究
来源期刊 计算机科学与探索 学科 工学
关键词 李群 李群核 李群均值 李群协方差特征 分类器
年,卷(期) 2012,(11) 所属期刊栏目 学术研究
研究方向 页码范围 1026-1038
页数 分类号 TP311
字数 8819字 语种 中文
DOI 10.3778/j.issn.1673-9418.2012.11.007
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 李凡长 苏州大学计算机科学与技术学院 136 774 15.0 18.0
2 高聪 苏州大学计算机科学与技术学院 3 16 3.0 3.0
3 沈程 苏州大学计算机科学与技术学院 2 6 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (10)
节点文献
引证文献  (3)
同被引文献  (13)
二级引证文献  (25)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(4)
  • 参考文献(4)
  • 二级参考文献(0)
2006(3)
  • 参考文献(3)
  • 二级参考文献(0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
2015(3)
  • 引证文献(1)
  • 二级引证文献(2)
2016(5)
  • 引证文献(0)
  • 二级引证文献(5)
2017(7)
  • 引证文献(1)
  • 二级引证文献(6)
2018(4)
  • 引证文献(0)
  • 二级引证文献(4)
2019(6)
  • 引证文献(0)
  • 二级引证文献(6)
2020(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
李群
李群核
李群均值
李群协方差特征
分类器
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机科学与探索
月刊
1673-9418
11-5602/TP
大16开
北京市海淀区北四环中路211号北京619信箱26分箱
82-560
2007
chi
出版文献量(篇)
2215
总下载数(次)
4
总被引数(次)
10748
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导