基于等式约束的高维数据多分类问题的归一化割改进算法

摘要：

本文对归一化割(NC,Normalized Cut)进行了改进,在能量泛函中引入了度平衡约束以提高模型的约束能力.经典的NC是实现平衡约束的一种重要方法,通过平衡约束来克服通过最小割算法进行数据分类的平凡解问题.但NC的平衡约束能力是不够的,尤其是当数据集不平衡时,约束能力会进一步下降,以此为基础提出了本文的模型.改进后的模型还可以扩展到解决不平衡的多分类问题.在解决不平衡的二分类和多分类问题时,实验结果表明,本文改进的归一化割方法比原始模型具有更高的分类精度和保持平衡的能力.此外,与原来的归一化割方法相比,在保真度集规模很小的情况下,改进的归一化割模型可以实现有效的数据分类.

关键词：多分类、等式约束、非局部总变差、归一化割、最小割

分类号：TP391.41(计算技术、计算机技术)

在线出版日期：2022-04-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：66-73