微型电脑应用
微型電腦應用
미형전뇌응용
Microcomputer Applications
2015年
9期
17-20
,共4页
分类器%特征多样性%森林%机器视觉
分類器%特徵多樣性%森林%機器視覺
분류기%특정다양성%삼림%궤기시각
@@
多类分类作为机器学习领域中的经典任务之一,在面对数据规模日益增长的形势下,样本特征容易出现类间混淆、类内多态的多样性分布.针对传统分类器的不足以及测试计算量大的问题,提出基于优化全局期望损失的标签软分类森林模型,由创新的目标函数主导完成分类树的生成与训练,有效解决特征多样性,并大幅提升测试性能.在人工合成数据集与机器视觉领域标准数据集的实验中,直观诠释了模型的训练特点并清晰,证明了其在分类精度与测试效率上的显著优势.
多類分類作為機器學習領域中的經典任務之一,在麵對數據規模日益增長的形勢下,樣本特徵容易齣現類間混淆、類內多態的多樣性分佈.針對傳統分類器的不足以及測試計算量大的問題,提齣基于優化全跼期望損失的標籤軟分類森林模型,由創新的目標函數主導完成分類樹的生成與訓練,有效解決特徵多樣性,併大幅提升測試性能.在人工閤成數據集與機器視覺領域標準數據集的實驗中,直觀詮釋瞭模型的訓練特點併清晰,證明瞭其在分類精度與測試效率上的顯著優勢.
다류분류작위궤기학습영역중적경전임무지일,재면대수거규모일익증장적형세하,양본특정용역출현류간혼효、류내다태적다양성분포.침대전통분류기적불족이급측시계산량대적문제,제출기우우화전국기망손실적표첨연분류삼림모형,유창신적목표함수주도완성분류수적생성여훈련,유효해결특정다양성,병대폭제승측시성능.재인공합성수거집여궤기시각영역표준수거집적실험중,직관전석료모형적훈련특점병청석,증명료기재분류정도여측시효솔상적현저우세.
