| 基于度量学习的邻域k凸包集成方法 |
| |
| 引用本文： | 牟廉明.基于度量学习的邻域k凸包集成方法[J].合肥工业大学学报(自然科学版),2013,36(2):171-175. |
| |
| 作者姓名： | 牟廉明 |
| |
| 作者单位： | 内江师范学院四川省高等学校数值仿真重点实验室,四川内江,641100 |
| |
| 基金项目： | 国家自然科学基金资助项目，四川省科技厅应用基础研究基金资助项目，四川省教育厅重大培育资助项目，内江师范学院自然科学重点基金资助项目 |
| |
| 摘 要： | k局部凸包分类方法通过改进k近邻算法在处理小样本问题时的决策边界而显著提高分类性能,k子凸包分类方法通过克服k凸包分类对类数和样本环状分布的敏感性而改善了分类性能。但是,该方法仍然对样本距离度量方法敏感,并且在k邻域内不同类的样本数经常严重失衡,导致分类性能下降。针对上述问题,文章提出了一种邻域k凸包分类方法,并通过引入距离度量学习和集成学习技术来提高算法对样本空间度量的鲁棒性。大量实验表明,文中提出的基于度量学习的邻域k凸包集成方法具有显著的分类性能优势。
|
| 关 键 词： | 邻域k凸包 度量学习 k近邻 集成学习 |
Neighbor k-convex-hull ensemble method based on metric learning |
| |
| MOU Lian-ming.Neighbor k-convex-hull ensemble method based on metric learning[J].Journal of Hefei University of Technology(Natural Science),2013,36(2):171-175. |
| |
| Authors: | MOU Lian-ming |
| |
| Institution: | MOU Lian-ming(Key Laboratory of Numerical Simulation of Sichuan Province College,Neijiang Normal University,Neijiang 641100,China) |
| |
| Abstract: | |
| |
| Keywords: | neighbor k-convex-hull metric learning k-nearest neighbor ensemble learning |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
