组合凸线性感知器的极大切割构造方法

• 作者: 冷强奎 李玉鑑
• 来源期刊: 自动化学报
• 关键词: 组合凸线性感知器 极大切割 两阶段训练 泛化能力 分片线性分类器
• 年，卷（期）: 2014,（4）
• 所属期刊栏目: 论文与报告
• 页码范围: 721-730
• 页数: 10页
• 字数: 10375字
• 语种: 中文
• DOI: 10.3724/SP.J.1004.2014.00721

摘要

组合凸线性感知器(Multiconlitron)是用来构造分片线性分类器的一个通用理论框架,对于凸可分和叠可分情况,分别使用支持凸线性感知器算法(Support conlitron algorithm, SCA)和支持组合凸线性感知器算法(Support multiconlitron algorithm, SMA)将两类样本分开。本文在此基础上,提出了一种基于极大切割(Maximal cutting)的组合凸线性感知器构造方法。该方法由两阶段训练构成,第一阶段称为极大切割过程(Maximal cutting process, MCP),通过迭代不断寻求能够切开最多样本的线性边界,并因此来构造尽可能小的决策函数集,最大程度减少决策函数集中线性函数的数量,最终简化分类模型。第二阶段称为边界调整过程(Boundary adjusting process, BAP),对MCP 得到的初始分类边界进行一个二次训练,调整边界到适当位置,以提高感知器的泛化能力。数值实验说明,此方法能够产生更为合理的分类模型,提高了感知器的性能。同其他典型分片线性分类器的性能对比,也说明了这种方法的有效性和竞争力。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李玉鑑	北京工业大学计算机学院	57	357	10.0	17.0
2	冷强奎	北京工业大学计算机学院	7	18	3.0	3.0