计算机工程
計算機工程
계산궤공정
COMPUTER ENGINEERING
2014年
6期
219-224
,共6页
马氏距离%欧氏距离%多核学习模型%支持向量机%核函数%线性判别分析
馬氏距離%歐氏距離%多覈學習模型%支持嚮量機%覈函數%線性判彆分析
마씨거리%구씨거리%다핵학습모형%지지향량궤%핵함수%선성판별분석
Mahalanobis distance%Euclidean distance%multiple kernel learning model%Support Vector Machine(SVM)%kernel function%Linear Discriminate Analysis(LDA)
支持向量机是统计机器学习中的一种重要方法,被广泛地应用于模式识别、回归分析等问题.但一般支持向量机未考虑样本的总体分布,降低了支持向量机的泛化能力.针对该问题,提出一种马氏距离支持向量机学习模型,考虑总体样本的分布,并将该模型扩展到多核学习模型.通过数学方法将欧式距离核矩阵转化为马氏距离核矩阵,降低模型的实现难度.实验结果证明,该模型不仅保持了欧式距离多核学习模型的原有性质,且具有更好的分类精确度.
支持嚮量機是統計機器學習中的一種重要方法,被廣汎地應用于模式識彆、迴歸分析等問題.但一般支持嚮量機未攷慮樣本的總體分佈,降低瞭支持嚮量機的汎化能力.針對該問題,提齣一種馬氏距離支持嚮量機學習模型,攷慮總體樣本的分佈,併將該模型擴展到多覈學習模型.通過數學方法將歐式距離覈矩陣轉化為馬氏距離覈矩陣,降低模型的實現難度.實驗結果證明,該模型不僅保持瞭歐式距離多覈學習模型的原有性質,且具有更好的分類精確度.
지지향량궤시통계궤기학습중적일충중요방법,피엄범지응용우모식식별、회귀분석등문제.단일반지지향량궤미고필양본적총체분포,강저료지지향량궤적범화능력.침대해문제,제출일충마씨거리지지향량궤학습모형,고필총체양본적분포,병장해모형확전도다핵학습모형.통과수학방법장구식거리핵구진전화위마씨거리핵구진,강저모형적실현난도.실험결과증명,해모형불부보지료구식거리다핵학습모형적원유성질,차구유경호적분류정학도.