最优双核复合分类算法的构造

doi:10.3969/j.issn.0372-2112.2012.02.009

电子学报 ›› 2012, Vol. 40 ›› Issue (2): 260-265.DOI: 10.3969/j.issn.0372-2112.2012.02.009

最优双核复合分类算法的构造

王峰, 张鸿宾

北京工业大学计算机学院,北京 100124

收稿日期:2010-12-10 修回日期:2011-09-20 出版日期:2012-02-25
- 基金资助:
- 国家自然科学基金 (No.60775011,No.61005001)

Optimal Double-Kernel Combination Method for Classification

WANG Feng, ZHANG Hong-Bin

College of Computer Science,Beijing University of Technology,Beijing 100124,China

Received:2010-12-10 Revised:2011-09-20 Online:2012-02-25 Published:2012-02-25

摘要/Abstract

摘要： 由于使用单一且固定的核函数,传统的核分类算法不能有效地适应复杂的数据集合,导致分类性能下降.本文提出一种基于双核复合的分类算法ODKC(Optimal Double-Kernel Combination)的构造框架,通过融合两个基本核函数的映射来构造目标核函数.研究了双核复合的三种典型方式,并把这三种复合方式纳入到统一的框架下处理.论文以核与数据的匹配性度量KTA(Kernel Target Alignment)以及分类性能验证了所提算法的有效性.

关键词: 核方法, 双核复合, 分类

Abstract: Traditional kernelised classification methods could not perform well sometimes because of using a single and fixed kernel,especially on some complicated data sets.In this paper,a novel optimal double-kernel combination (ODKC) method is proposed for complicated classification tasks.Firstly,data are mapped by two basic kernels into different feature spaces respectively,and then three kinds of optimal composite kernels are constructed by integrating information of the two feature spaces.Comparative experiments demonstrate the effectiveness of our methods.

Key words: kernel methods, double-kernel combination, classification

中图分类号:

TP391

王峰, 张鸿宾. 最优双核复合分类算法的构造[J]. 电子学报, 2012, 40(2): 260-265.

WANG Feng, ZHANG Hong-Bin . Optimal Double-Kernel Combination Method for Classification[J]. Acta Electronica Sinica, 2012, 40(2): 260-265.

[1]	吕杭, 蒋明峰, 李杨, 张鞠成, 王志康. 基于混合时频域特征的卷积神经网络心律失常分类方法的研究[J]. 电子学报, 2023, 51(3): 701-711.
[2]	许新征, 李杉. 基于特征膨胀卷积模块的轻量化技术研究[J]. 电子学报, 2023, 51(2): 355-364.
[3]	王子为, 鲁继文, 周杰. 基于自适应梯度优化的二值神经网络[J]. 电子学报, 2023, 51(2): 257-266.
[4]	李雪莹, 王田路, 梁鹏, 王翀. 基于系统模型的用户评论中非功能需求的自动分类[J]. 电子学报, 2022, 50(9): 2079-2089.
[5]	陆克中, 陈超凡, 蔡桓, 吴定明. 面向概念漂移和类不平衡数据流的在线分类算法[J]. 电子学报, 2022, 50(3): 585-597.
[6]	王雪松, 张翰林, 程玉虎. 基于自编码器和超图的半监督宽度学习系统[J]. 电子学报, 2022, 50(3): 533-539.
[7]	赵旭东, 陶然, 李伟, 张蒙蒙. 高光谱图像分数域信息提取理论与方法进展[J]. 电子学报, 2022, 50(12): 2874-2883.
[8]	刘浩阳, 林耀进, 刘景华, 吴镒潾, 毛煜, 李绍滋. 由粗到细的分层特征选择[J]. 电子学报, 2022, 50(11): 2778-2789.
[9]	孙晨峰, 吕卫民, 戴洪德, 张浩晨. 一种基于TimeGAN和OCSVM的多元退化设备小子样数据增广方法[J]. 电子学报, 2022, 50(11): 2678-2687.
[10]	高雷阜, 张梦瑶, 赵世杰. 融合簇边界移动与自适应合成的混合采样算法[J]. 电子学报, 2022, 50(10): 2517-2529.
[11]	管永明, 王刚, 骆凯波, 吕梁, 吕晓雯, 史玉良. 基于极端不平衡学习的泛化低压异常箱表关系识别研究与应用[J]. 电子学报, 2021, 49(8): 1507-1514.
[12]	杨国为, 万鸣华, 赖志辉, 张凡龙, 黄伟强. 具有合适拒识机制的高正确识别率分类器设计[J]. 电子学报, 2021, 49(8): 1569-1576.
[13]	郑海颖, 王峰, 姜维, 王志强, 姚西文. 神经网络训练策略对高分辨率遥感图像场景分类性能影响的评估[J]. 电子学报, 2021, 49(8): 1599-1614.
[14]	吕亚平, 贾向东, 路艺, 牛春雨, 曹胜男. 基于簇用户设备分类和频谱共享分配的D2D网络覆盖分析[J]. 电子学报, 2021, 49(7): 1392-1399.
[15]	张昱, 刘开峰, 张全新, 王艳歌, 高凯龙. 基于组合-卷积神经网络的中文新闻文本分类[J]. 电子学报, 2021, 49(6): 1059-1067.

最优双核复合分类算法的构造

Optimal Double-Kernel Combination Method for Classification

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics