计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2009年
9期
2473-2476
,共4页
多重核%核线性判别分析%最大边缘准则%权值优化%拉格朗日乘子法
多重覈%覈線性判彆分析%最大邊緣準則%權值優化%拉格朗日乘子法
다중핵%핵선성판별분석%최대변연준칙%권치우화%랍격랑일승자법
为了提高非线性分类精度,借鉴在支持向量机(SVM)框架下发展起来的多重核学习方法,针对基于核的线性判别分析(KLDA)构造多重核.进而,使用拉格朗日乘子法优化最大边缘准则(MMC),提出了多重核权值优化算法.在FERET和CMU PIE人脸图像库上的实验表明,与基于单个核的LDA相比,多重核线性判别分析能够达到更高的分类性能.
為瞭提高非線性分類精度,藉鑒在支持嚮量機(SVM)框架下髮展起來的多重覈學習方法,針對基于覈的線性判彆分析(KLDA)構造多重覈.進而,使用拉格朗日乘子法優化最大邊緣準則(MMC),提齣瞭多重覈權值優化算法.在FERET和CMU PIE人臉圖像庫上的實驗錶明,與基于單箇覈的LDA相比,多重覈線性判彆分析能夠達到更高的分類性能.
위료제고비선성분류정도,차감재지지향량궤(SVM)광가하발전기래적다중핵학습방법,침대기우핵적선성판별분석(KLDA)구조다중핵.진이,사용랍격랑일승자법우화최대변연준칙(MMC),제출료다중핵권치우화산법.재FERET화CMU PIE인검도상고상적실험표명,여기우단개핵적LDA상비,다중핵선성판별분석능구체도경고적분류성능.
