没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
试读
24页
传统的矢量化分类器应该包含类结构信息,但会忽略单个模式的单个结构。 相比之下,矩阵化分类器应该同时考虑类和单个结构,因此比矢量化分类器具有更好的性能。 在本文中,我们探索了一种中间粒度,称为类与个体之间的簇,并将簇的结构(即每个类内的结构)引入矩阵化的分类器设计中。 这样做可以从全局到点同时使用类,群集和单个结构。 因此,本文提出的分类器设计具有三层结构信息,可以使分类性能提高。 在实践中,我们采用Ho-Kashyap算法的修改,以误分类误差(MHKS)的平方近似为学习范式,并开发了三重结构的MHKS,称为TSMHKS。 三重结构学习框架的优点是考虑了样本之间的不同接近度,从而提高了性能。 实验结果证明了TSMHKS的可行性和有效性。 此外,我们讨论了该算法的理论和实验推广范围。
资源推荐
资源评论
资源评论
weixin_38632825
- 粉丝: 3
- 资源: 948
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功