高维数据分类方法研究 |
| |
引用本文: | 田江,顾宏.高维数据分类方法研究[J].系统仿真学报,2009,21(10). |
| |
作者姓名: | 田江 顾宏 |
| |
作者单位: | 大连理工大学电子与信息工程学院,大连,116023 |
| |
摘 要: | 在对高维度数据进行模式分类时,能否有效进行降维是一个关键问题.提出了一种结合高斯过程潜变量模型(GPLVM)和支持向量机(SVM)的阶梯跳跃降维分类框架方法,能有效的降低样本数据维数,同时提高分类器性能.利用GPLVM实现数据的平滑映射,对输入样本进行非线性降维后,根据SVM的分类校验结果进行下一步降维迭代操作;计算新的阶梯维数,根据反馈动态调整降维输入数据.利用该方法对UCI上的数据集进行分类,仿真结果验证了方法的有效性.
|
关 键 词: | 高斯过程潜变量模型 支持向量机 模式分类 阶梯跳跃降维 |
Study on Classification Methods for High-dimensional Data |
| |
Abstract: | |
| |
Keywords: | GPLVM SVM pattern classification ladder jumping dimension reduction |
本文献已被 万方数据 等数据库收录! |
|