稀疏条件下的两层分类算法

摘要：

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。

关键词：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

分类号：TP391.4(计算技术、计算机技术)

资助基金：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．

在线出版日期：2015-03-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：27-36