微电子学与计算机
微電子學與計算機
미전자학여계산궤
MICROELECTRONICS & COMPUTER
2005年
11期
75-78,81
,共5页
陆从德%张太镒%李灿平%张伟
陸從德%張太鎰%李燦平%張偉
륙종덕%장태일%리찬평%장위
支持向量域描述%学习分类器%支持向量机%序列最小优化
支持嚮量域描述%學習分類器%支持嚮量機%序列最小優化
지지향량역묘술%학습분류기%지지향량궤%서렬최소우화
文章在分析支持向量域描述的基础上发展了一类基于描述的学习分类器.该算法在训练时通过在高维特征空间中求取所描述的训练样本的超球体边界,然后通过该边界对样本数据进行分类.文章所获得的学习算法和支持向量机(SVM)和序列最小优化(SMO)算法相比,不仅降低了样本的采集代价,而且在训练速度上有了很大提高.在CBCL人脸库和USPS手写数字识别的实验中,给出了该算法和SVM、SOM算法的实验对比结果,说明了该学习算法的有效性.
文章在分析支持嚮量域描述的基礎上髮展瞭一類基于描述的學習分類器.該算法在訓練時通過在高維特徵空間中求取所描述的訓練樣本的超毬體邊界,然後通過該邊界對樣本數據進行分類.文章所穫得的學習算法和支持嚮量機(SVM)和序列最小優化(SMO)算法相比,不僅降低瞭樣本的採集代價,而且在訓練速度上有瞭很大提高.在CBCL人臉庫和USPS手寫數字識彆的實驗中,給齣瞭該算法和SVM、SOM算法的實驗對比結果,說明瞭該學習算法的有效性.
문장재분석지지향량역묘술적기출상발전료일류기우묘술적학습분류기.해산법재훈련시통과재고유특정공간중구취소묘술적훈련양본적초구체변계,연후통과해변계대양본수거진행분류.문장소획득적학습산법화지지향량궤(SVM)화서렬최소우화(SMO)산법상비,불부강저료양본적채집대개,이차재훈련속도상유료흔대제고.재CBCL인검고화USPS수사수자식별적실험중,급출료해산법화SVM、SOM산법적실험대비결과,설명료해학습산법적유효성.
