10.3969/j.issn.1673-4785.201407019
稀疏条件下的两层分类算法
在有限样本下距离量的选择对最近邻算法( K-nearest neighbor ,KNN)算法有重要影响。针对以前距离量学习泛化性不强以及时间效率不高的问题,提出了一种稀疏条件下的两层分类算法( sparsity-inspired two-level classifi-cation algorithm ,STLCA)。该算法分为高低2层,在低层使用欧氏距离确定一个未标记的样本局部子空间;在高层,用稀疏贝叶斯在子空间进行信息提取。由于其稀疏性,在噪声情况下有很好的稳定性,可泛化性强,且时间效率高。通过在噪声数据以及在视频烟雾检测中的应用表明,STLCA算法能取得更好的效果。
稀疏贝叶斯、两层分类、距离学习、视频烟雾检测、最近邻算法、有限样本、泛化性、时间效率
TP391.4(计算技术、计算机技术)
国家自然科学基金资助项目61170122,61272210;江苏省自然科学基金资助项目 BK2011417;江苏省“333”工程基金资助项目 BRA2011142.
2015-03-25(万方平台首次上网日期,不代表论文的发表时间)
共10页
27-36