安徽工程科技学院学报（自然科学版）
安徽工程科技學院學報（自然科學版）
안휘공정과기학원학보（자연과학판）
JOURNAL OF ANHUI UNIVERSITY OF TECHNOLOGY AND SCIENCE (NATURAL SCIENCE)
2007年
1期
45-50
,共6页
主分量分类器%支持向量机%野值%核化
主分量分類器%支持嚮量機%野值%覈化
주분량분류기%지지향량궤%야치%핵화
W.J.Hu 提出的主分量分类器(PCC)通过最大化两类样本在分类面法方向上的投影代数和,实现样本分类.PCC是基于样本的统计平均特性,所以少量的野值对分类面方向的确定影响较小,而SVM对野值较为敏感.PCC与支持向量机相比具有较好的鲁棒性.但是PCC对野值的处理等同于其他样本,尽管有效果,但仍会影响分类面的求取,同时也缺乏直观上(或物理上)的解释,而且没有考虑随机噪声对分类面的影响.鉴于此,在PCC的基础上进行改进,引入模糊思想,设计了一组模糊型的主分量分类器,进一步弱化野值和随机噪声对分类面的影响.人工数据集和Beachmark数据集上的实验证明了新分类器的有效性.
W.J.Hu 提齣的主分量分類器(PCC)通過最大化兩類樣本在分類麵法方嚮上的投影代數和,實現樣本分類.PCC是基于樣本的統計平均特性,所以少量的野值對分類麵方嚮的確定影響較小,而SVM對野值較為敏感.PCC與支持嚮量機相比具有較好的魯棒性.但是PCC對野值的處理等同于其他樣本,儘管有效果,但仍會影響分類麵的求取,同時也缺乏直觀上(或物理上)的解釋,而且沒有攷慮隨機譟聲對分類麵的影響.鑒于此,在PCC的基礎上進行改進,引入模糊思想,設計瞭一組模糊型的主分量分類器,進一步弱化野值和隨機譟聲對分類麵的影響.人工數據集和Beachmark數據集上的實驗證明瞭新分類器的有效性.
W.J.Hu 제출적주분량분류기(PCC)통과최대화량류양본재분류면법방향상적투영대수화,실현양본분류.PCC시기우양본적통계평균특성,소이소량적야치대분류면방향적학정영향교소,이SVM대야치교위민감.PCC여지지향량궤상비구유교호적로봉성.단시PCC대야치적처리등동우기타양본,진관유효과,단잉회영향분류면적구취,동시야결핍직관상(혹물리상)적해석,이차몰유고필수궤조성대분류면적영향.감우차,재PCC적기출상진행개진,인입모호사상,설계료일조모호형적주분량분류기,진일보약화야치화수궤조성대분류면적영향.인공수거집화Beachmark수거집상적실험증명료신분류기적유효성.
