基于L1范数稀疏距离测度学习的单类分类算法

• 作者: 胡正平 许成谦 路亮
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 模式识别 稀疏距离测度学习 L1范数 单类分类器
• 年，卷（期）: 2012,（1）
• 所属期刊栏目: 学术论文
• 页码范围: 134-140
• 分类号: TP181
• 字数: 5732字
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2012.01.022

摘要

已有单类分类算法通常采用欧氏测度描述样本间相似关系,然而欧氏测度有时难以较好地反映一些数据集样本的内在分布结构,为此提出一种用于改善单类分类器描述性能的高维空间单类数据距离测度学习算法,与已有距离测度学习算法相比,该算法只需提供目标类数据,通过引入样本先验分布正则化项和L1范数惩罚的距离测度稀疏性约束,能有效解决高维空间小样本情况下的单类数据距离测度学习问题,并通过采用分块协调下降算法高效的解决距离测度学习的优化问题.学习得到的距离测度能容易地嵌入到单类分类器中,仿真实验结果表明采用学习得到的距离测度能有效改善单类分类器的描述性能,特别能够改善覆盖分类的描述能力,从而使得单类分类器具有更强的推广能力.

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