基于两阶段最小二乘回归的分类方法

• 作者: 吕书龙 林智鹏 简彩仁
• 来源期刊: 福州大学学报（自然科学版）
• 学科: 工学
• 关键词: 鲁棒分类法 最小二乘回归 非线性二阶段 近邻表示系数 最小误差准则
• 年，卷（期）: 2019,（5）
• 页码范围: 586-591
• 页数: 6页
• 分类号: TP311|TP371
• 字数: 3906字
• 语种: 中文
• DOI: 10.7631/issn.1000-2243.19080

摘要

针对最小二乘回归分类法对原始数据进行分类时容易受到噪声样本影响的不足,利用系数增强的方法提出一种缓解噪声样本对表示系数影响的鲁棒分类法.该方法是一种两阶段最小二乘回归分类法:第一阶段通过最小二乘回归分类法获得表示系数,第二阶段强化近邻表示系数的作用得到表示系数.最后用最小误差准则对测试样本进行分类,利用核理论进一步提出非线性两阶段最小二乘回归分类法,并在4个常用人脸图像数据集上验证了该方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吕书龙	福州大学数学与计算机科学学院	63	55	4.0	5.0
2	简彩仁	厦门大学嘉庚学院	18	17	2.0	3.0
3	林智鹏	厦门大学嘉庚学院	7	2	1.0	1.0