Hessian正则化Logistic回归模型

• 作者: 刘伟锋 刘红丽 王延江 董丽萍
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 半监督学习 Hessian Logistic核回归 图像分类
• 年，卷（期）: 2016,（5）
• 所属期刊栏目: 图形图像处理
• 页码范围: 236-240
• 页数: 5页
• 分类号: TP391.41
• 字数: 2962字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1402-0363

摘要

针对大数据量的图像分类问题,Laplacian正则化的半监督学习方法获得了广阔的应用前景.然而Laplacian正则化使分类函数趋向于常数函数而易导致较差的推测能力.提出了基于Hessian正则化的Logistic回归模型用于图像分类,Hessian正则化可以较好地预测区域之外的数据点.在MIR Flickr数据库上进行图像分类实验,与SVM、Logistic回归和Laplacian正则化的Logistic回归方法相比,Hessian正则化的Logistic回归模型更有效.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王延江	中国石油大学信息与控制工程学院	31	201	7.0	13.0
2	刘伟锋	中国石油大学信息与控制工程学院	10	9	2.0	2.0
3	刘红丽	中国石油大学信息与控制工程学院	2	3	1.0	1.0
4	董丽萍	中国石油大学信息与控制工程学院	2	3	1.0	1.0