极坐标变换下的基于表示的分类方法

• 作者: 罗智玉 郑成勇
• 来源期刊: 五邑大学学报（自然科学版）
• 学科: 工学
• 关键词: 基于表示的分类 欧拉变换 极坐标变换 数据扩维
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 数学
• 页码范围: 1-7
• 页数: 7页
• 分类号: O235|TP391.4
• 语种: 中文

摘要

基于表示的分类是模式识别领域中的一类重要分类方法.为提升基于表示的分类算法的分类精度,提出一种极坐标变换下的表示分类方法.该方法将原始样本数据的各分量对应成极坐标系下的角坐标分量,然后利用直角坐标系与极坐标系的转换公式,将原始样本数据的各分量投影为圆上或球面上一点,实现每个分量从一维到二维(圆上)或三维(球面上)的转换,并最终实现数据的扩维;最后以扩维后的新样本数据构建基于表示的分类算法.在多个分类数据库上的实验结果表明,本文方法在分类精度方面优于传统的基于表示的分类方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑成勇		16	130	4.0	11.0
2	罗智玉		1	0	0.0	0.0