李欢
- 作品数：3 被引量：8H指数：2
- 供职机构：江南大学数字媒体学院更多>>
- 发文基金：江苏省“333”工程基金项目江苏省自然科学基金国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于SVM和多观测样本的相似不完整数据分类被引量：2
- 2015年
- 针对具有多观测样本的相似不完整数据分类问题,提出基于SVM和多观测样本的相似数据分类算法.每类数据的多观测样本集由属于同一模式的单观测样本组成,每次分类时,对两个多观测样本集的标签做两次假设,通过比较不同标签假设下的分类误差确定多观测样本集的标签.该方法同时充分利用了样本类内的相关性和类间的差异性,实现了相似不完整数据的分类.实验结果验证了所提出方法的有效性.
- 李欢王士同
- 关键词：支持向量机
- 适合多观测样本的基于LS-SVM的新分类算法被引量：1
- 2016年
- 针对多观测样本的二分类问题,提出适合多观测样本的基于LS-SVM的新分类算法。每次分类中,待分类的模式使用多观测样本集进行表示,首先对多观测样本集的标签进行假设,将此假设条件作为LS-SVM中优化问题的约束条件,由此得到分类误差,通过比较两次假设下的分类误差确定多观测样本的类别。该方法无需提前训练获得分类器,而是同时利用已知标签样本和多观测样本集,充分利用同类样本在特征空间中连续分布的特点。最后通过三组实验验证了所提方法的有效性。
- 李欢王士同
- 关键词：模式识别LS-SVM算法
- 支持向量机的多观测样本二分类算法被引量：5
- 2014年
- 针对多观测样本的分类问题,提出基于SVM的多观测样本二分类算法。每次分类时,首先限制组成多观测样本的所有单观测样本属于同一类别,对多观测样本的类别做2次假设,通过比较不同类别假设下的目标函数最优解来确定多观测样本的类别。该方法无需对分类器进行训练或提前对训练集进行特征表示,而是将已知标签样本集和多观测样本作为一个整体,充分利用特征空间中同类样本连续分布这一特点,使得分类更加准确。结果表明所提方法的有效性。
- 李欢王士同
- 关键词：模式识别SVM
