首页 期刊 数据采集与处理 基于特征选择的相对k子凸包分类方法 【正文】

基于特征选择的相对k子凸包分类方法

作者:牟廉明; 刘好斌 内江师范学院数学与信息科学学院; 内江641100; 数据恢复四川省重点实验室; 内江641100
相对k子凸包分类   自适应   判别正则化   特征选择  

摘要:k子凸包分类方法在实际问题中有广泛应用。但随着问题维数的增加,该方法计算得到的凸包距离非常接近甚至相等,这严重影响了分类性能。针对此问题,本文设计了一种基于特征选择的相对k子凸包分类方法。首先根据绝对凸包距离存在的不足引入相对k子凸包距离,然后在k邻域内利用判别正则化技术进行特征选择,并将特征选择融入相对k子凸包优化模型中,为每个测试样本在不同的类别中学习一个自适应的特征子集,从而得到一个用于分类的有效相对k子凸包距离。实验结果表明,该方法不仅能够进行特征选择,而且分类性能也有了明显提高。

注:因版权方要求,不能公开全文,如需全文,请咨询杂志社

学术咨询 免费咨询 杂志订阅