发明名称 | 一种基于局部样条嵌入的核化分类器 | ||
摘要 | 本发明涉及一种基于局部样条嵌入的核化分类器。本发明选择训练数据和测试数据,训练数据的基于局部样条嵌入的非线性降维,根据已获得的训练数据的最佳非线性嵌入对测试数据使用核方法推导出其扩展形式,即获得测试数据在低维流形上的非线性嵌入,使用线性的支持向量机算法对降维后的测试数据进行分类。本发明克服了无法在非线性分类问题上达到很好的分类性能的缺陷。本发明采用局部样条嵌入的非线性降维算法对高维有标签数据降维,再对高维有标签数据进行了特征提取,然后将新的无标签高维测试数据的嵌入,最后根据数据特点使用SVM算法实现对新的测试数据的分类。 | ||
申请公布号 | CN106022361A | 申请公布日期 | 2016.10.12 |
申请号 | CN201610316765.5 | 申请日期 | 2016.05.10 |
申请人 | 扬州大学 | 发明人 | 何萍;敬田禹;徐晓华;林惠惠 |
分类号 | G06K9/62(2006.01)I | 主分类号 | G06K9/62(2006.01)I |
代理机构 | 南京中新达专利代理有限公司 32226 | 代理人 | 孙鸥;朱杰 |
主权项 | 一种基于局部样条嵌入的核化分类器,其特征在于步骤如下:(1)选择训练数据和测试数据;(2)训练数据的基于局部样条嵌入的非线性降维,包括:(2‑1)分别构建类内图和类间图并选取邻域;(2‑2)根据所选取邻域的训练数据点的类内图和类间图分别构建测试点的类内局部切空间和类间局部切空间;(2‑3)从类内局部切空间和类间局部切空间出发,借助核方法将训练数据在局部切空间的坐标变换为全局低维坐标,计算出使得训练数据点映射至全局低维坐标时重构误差最小并且具有最佳局部类判别性的目标函数,得到训练数据的最佳非线性嵌入;(3)根据已获得的训练数据的最佳非线性嵌入对测试数据使用核方法推导出其扩展形式,即获得测试数据在低维流形上的非线性嵌入;(4)使用线性的支持向量机算法对降维后的测试数据进行分类。 | ||
地址 | 225009 江苏省扬州市大学南路88号 |