模式识别与人工智能
模式識彆與人工智能
모식식별여인공지능
Moshi Shibie yu Rengong Zhineng
2013年
8期
761-768
,共8页
模式识别%学习向量量化( LVQ)%相似性度量%机器学习
模式識彆%學習嚮量量化( LVQ)%相似性度量%機器學習
모식식별%학습향량양화( LVQ)%상사성도량%궤기학습
Pattern Recognition%Learning Vector Quantization(LVQ)%Similarity Metric%Machine Learning
欧氏距离度量向量相似性时忽视向量各特征取值范围的差异性，从而影响学习向量量化( LVQ)算法及其变种的分类精确度。针对此问题，文中提出一种面向特征取值范围的向量相似性度量函数，并基于该度量函数与泛化学习向量量化算法得出一种面向特征数据范围的泛化学习向量量化算法( GLVQ-Range)。使用UCI机器学习库中8组数据对比GLVQ-Range和传统其它LVQ变种算法，验证文中算法的分类准确性更高和运算速度更快。使用视频车型分类数据，验证GLVQ-Range在真实生产环境中的可用性。
歐氏距離度量嚮量相似性時忽視嚮量各特徵取值範圍的差異性，從而影響學習嚮量量化( LVQ)算法及其變種的分類精確度。針對此問題，文中提齣一種麵嚮特徵取值範圍的嚮量相似性度量函數，併基于該度量函數與汎化學習嚮量量化算法得齣一種麵嚮特徵數據範圍的汎化學習嚮量量化算法( GLVQ-Range)。使用UCI機器學習庫中8組數據對比GLVQ-Range和傳統其它LVQ變種算法，驗證文中算法的分類準確性更高和運算速度更快。使用視頻車型分類數據，驗證GLVQ-Range在真實生產環境中的可用性。
구씨거리도량향량상사성시홀시향량각특정취치범위적차이성，종이영향학습향량양화( LVQ)산법급기변충적분류정학도。침대차문제，문중제출일충면향특정취치범위적향량상사성도량함수，병기우해도량함수여범화학습향량양화산법득출일충면향특정수거범위적범화학습향량양화산법( GLVQ-Range)。사용UCI궤기학습고중8조수거대비GLVQ-Range화전통기타LVQ변충산법，험증문중산법적분류준학성경고화운산속도경쾌。사용시빈차형분류수거，험증GLVQ-Range재진실생산배경중적가용성。
The difference of feature data range is ignored when Euclidean distance is used as a vector similarity metric. And thus, the classification accuracies of the traditional learning vector quantization algorithm ( LVQ) and its variants are affected. To solve the problem, a vector similarity metric is proposed and based on this metric and generalized LVQ(GLVQ), an algorithm, GLVQ-Range,is put forward. The classification accuracy and the computation speed of the proposed algorithm are tested on 8 datasets of UCI machine learning repository, compared with those of the traditional alternative LVQ algorithms. The practicability of the proposed algorithm in real production environment is verified on the video vehicle classification dataset.
