马氏距离多核支持向量机学习模型

• 作者: 张凯军 梁循
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 马氏距离 欧氏距离 多核学习模型 支持向量机 核函数 线性判别分析
• 年，卷（期）: 2014,（6）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 219-224
• 页数: 6页
• 分类号: TP18
• 字数: 6473字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2014.06.047

摘要

支持向量机是统计机器学习中的一种重要方法,被广泛地应用于模式识别、回归分析等问题.但一般支持向量机未考虑样本的总体分布,降低了支持向量机的泛化能力.针对该问题,提出一种马氏距离支持向量机学习模型,考虑总体样本的分布,并将该模型扩展到多核学习模型.通过数学方法将欧式距离核矩阵转化为马氏距离核矩阵,降低模型的实现难度.实验结果证明,该模型不仅保持了欧式距离多核学习模型的原有性质,且具有更好的分类精确度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	梁循	中国人民大学信息学院	39	350	11.0	18.0
5	张凯军	中国人民大学信息学院	3	31	2.0	3.0