基于L1范数凸包数据描述的多观测样本分类算法
为建立高维空间样本分布的最佳覆盖为目标来实现覆盖分类,该文提出基于L1范数凸包数据描述的多观测样本分类算法.首先对训练集的每个类别以及测试集的多观测样本分别构造凸包模型,这样多观测样本的分类就转化为凸包模型的相似性度量问题.若测试集的凸包模型与训练集无重叠,采用L1范数距离测度进行凸包模型之间的相似性度量;若有重叠,采用L1范数距离测度进行收缩凸包(reduced convex hulls)之间的相似性度量.然后采用最近邻准则作为多观测样本的分类决策.在3个数据库上进行的实验结果,表明该文提出方法对于多观测样本分类具有可行性和有效性.
模式识别、凸包、L1范数距离测度、最近邻分类、多观测样本
34
TP391.41(计算技术、计算机技术)
国家自然科学基金61071199;河北省自然科学基金F2010001297;中国博士后自然科学基金20080440124;第2批中国博士后基金200902356资助课题
2012-04-27（万方平台首次上网日期，不代表论文的发表时间）
共6页
194-199
