CAJ | 학술논문

提出了一种非线性的监督式谱空间分类器(supervised spectral space classifier,简称S3C).S3C首先将输入数据映射到融合了训练数据判别信息的低维监督式谱空间中,然后在该监督式谱空间中构造最大化间隔的最优分割超平面,并把测试数据以无监督的方式也映射到与训练数据相同的新特征空间中,最后,直接应用之前构建的分类超平面对映射后的测试数据进行分类.由于S3C使研究者可以直观地观察到变化后的特征空间和映射后的数据,因此有利于对算法的评价和参数的选择.在S3C的基础上,进一步提出了一种监督式谱空间分类器的改进算法(supervised spectral space transformation,简称S3T).S3T通过采用线性子空间变换和强迫一致的方法,将映射到监督式谱空间内的数据再变换到指定的类别指示空间中去,从而获得关于测试数据的类别指示矩阵,并在此基础上对其进行分类.S3T不仅保留了S3C算法的各项优点,而且还可以用于直接处理多分类问题,抗噪声能力更强,性能更加鲁棒.在人工数据集和真实数据集上的大量实验结果显示,S3C和S3T与其他多种著名分类器相比,具有更加优越的分类性能.
제출료일충비선성적감독식보공간분류기(supervised spectral space classifier,간칭S3C).S3C수선장수입수거영사도융합료훈련수거판별신식적저유감독식보공간중,연후재해감독식보공간중구조최대화간격적최우분할초평면,병파측시수거이무감독적방식야영사도여훈련수거상동적신특정공간중,최후,직접응용지전구건적분류초평면대영사후적측시수거진행분류.유우S3C사연구자가이직관지관찰도변화후적특정공간화영사후적수거,인차유리우대산법적평개화삼수적선택.재S3C적기출상,진일보제출료일충감독식보공간분류기적개진산법(supervised spectral space transformation,간칭S3T).S3T통과채용선성자공간변환화강박일치적방법,장영사도감독식보공간내적수거재변환도지정적유별지시공간중거,종이획득관우측시수거적유별지시구진,병재차기출상대기진행분류.S3T불부보류료S3C산법적각항우점,이차환가이용우직접처리다분류문제,항조성능력경강,성능경가로봉.재인공수거집화진실수거집상적대량실험결과현시,S3C화S3T여기타다충저명분류기상비,구유경가우월적분류성능.