一种新高斯过程分类算法

• 作者: 刘文鹏 崔艳秋 张俊星 许爽 贺建军 贾思齐
• 来源期刊: 控制与决策
• 学科: 工学
• 关键词: 高斯过程模型 二分类 后验概率 贝叶斯方法
• 年，卷（期）: 2014,（9）
• 页码范围: 1587-1592
• 页数: 6页
• 分类号: TP273
• 语种: 中文
• DOI: 10.13195/j.kzyjc.2013.0313

摘要

由于需要利用高斯函数逼近潜变量函数的后验概率，传统高斯过程分类算法通常都存在计算复杂度高的问题。对此，提出一种新高斯过程分类算法。该算法的基本思想为：首先，利用Parzen窗方法估计出每个训练样本的后验概率；然后，通过所得到的后验概率将原始分类问题变换为回归问题；进而分析地得到潜变量函数后验概率的显式表达式，以避免逼近后验概率所面临的高计算复杂度问题。仿真实验结果表明，所提出的算法在分类精度上优于已有的高斯过程分类算法。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张俊星	大连民族学院信息与通信工程学院	40	101	6.0	7.0
2	许爽	大连民族学院信息与通信工程学院	31	125	7.0	10.0
3	崔艳秋	大连民族学院信息与通信工程学院	12	43	4.0	5.0
4	贺建军	大连民族学院信息与通信工程学院	15	37	4.0	5.0
6	刘文鹏	大连民族学院信息与通信工程学院	4	12	2.0	3.0