国家自然科学基金(61103168)
- 作品数:3 被引量:0H指数:0
- 相关作者:王晓明彭宏曾俊杰杨晓欢王士同更多>>
- 相关机构:西华大学江南大学更多>>
- 发文基金:国家自然科学基金四川省教育厅自然科学科研项目西华大学研究生创新基金更多>>
- 相关领域:自动化与计算机技术更多>>
- 基于数据分布信息的单类支撑向量机
- 2012年
- 单类支撑向量机(One-Class SVM)是一种重要的核方法,但是其缺少对数据分布信息的考虑,因而制约了其泛化能力的进一步提高。针对此问题,重新定义了原点到超平面的距离,进而提出了基于数据分布信息的单类支撑向量机(DD One-Class SVM)。推导构建了DD One-Class SVM算法的优化问题,详细分析和讨论了该优化问题在散度矩阵奇异情况下的求解方法以及该算法的非线情况。相对于传统One-Class SVM算法,该算法体现出了更好的泛化能力。
- 王晓明彭宏
- 关键词:核方法
- 基于局部保持的KNN算法
- 2015年
- 距离度量对K近邻(KNN)算法分类精度起着重要的作用。传统KNN算法通常采用欧氏距离,但该距离将所有特征的差别平等对待,忽略了数据的局部内在几何结构特征。针对此问题,文章借鉴局部保持投影(LPP)的基本思想,在考虑数据的局部内在几何结构特征基础上,依据类内局部保持散度矩阵构造一种距离度量新方法,利用该距离度量提出一种局部保持K近邻算法。实验结果表明,与采用欧氏距离和传统马氏距离的KNN相比,本算法能够得到更好的分类精度。
- 曾俊杰王晓明杨晓欢
- 关键词:K-近邻局部保持投影
- 最小方差支撑向量数据域描述
- 2012年
- 支撑向量数据域描述(SVDD)是一种已经得到了广泛应用的核方法,但是其在构建超球时没有充分考虑数据分布信息。针对此问题,首先等价改写了SVDD算法优化问题,然后重新定义了该优化问题中的距离定义形式,进而提出了最小方差支撑向量数据域描述(MVSVDD)算法。该算法充分考虑数据的分布信息。实验结果表明,相对于传统SVDD算法,MVSVDD在泛化能力上得到了较为明显的提高,体现出了更好的描述数据域的能力。
- 王晓明王士同彭宏
- 关键词:核方法数据分布