一种基于感知器的样本空间划分方法

摘要：

二类分类问题是机器学习中的最基本的一类重要问题.目前广泛使用的,也是最为有效的学习算法是支持向量机 (SVM).然而对于某些非线性分类问题,SVM 还不能给出令人满意的解,因此希望能找到一种方法对 SVM 解决非线性分类问题的能力加以改进.对二类分类问题,提出一种基于感知器的样本空间划分方法.该方法首先用感知器提取样本的分布信息,将整体问题划分为局部空间中的分类问题,而后使用 SVM 求出各个局部问题的最优分界面,并用最小最大模块化网络对局部分界面进行综合,得到问题的全局解.仿真实验表明,新方法能够有效地分析样本空间,提取样本分布信息,在测试数据上得到了比原有方法更好的准确率.新方法实现了预期的目标,提高了分类器处理非线性分类问题的能力.

关键词：感知器、支持向量机、模式识别、样本空间分析、最小最大模块化网络

所属期刊栏目：25

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金60375022;60473040;上海交通大学微软智能计算与智能系统实验室的资助项目

在线出版日期：2008-05-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：96-99,103