基于L1范数凸包数据描述的多观测样本分类算法
The Classification Algorithm of Multiple Observation Samples Based on L1 Norm Convex Hull Data Description作者机构:燕山大学信息科学与工程学院秦皇岛066004
出 版 物:《电子与信息学报》 (Journal of Electronics & Information Technology)
年 卷 期:2012年第34卷第1期
页 面:194-199页
核心收录:
学科分类:08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程]
基 金:国家自然科学基金(61071199) 河北省自然科学基金(F2010001297) 中国博士后自然科学基金(20080440124) 第2批中国博士后基金(200902356)资助课题
主 题:模式识别 凸包 L1范数距离测度 最近邻分类 多观测样本
摘 要:为建立高维空间样本分布的最佳覆盖为目标来实现覆盖分类,该文提出基于L1范数凸包数据描述的多观测样本分类算法。首先对训练集的每个类别以及测试集的多观测样本分别构造凸包模型,这样多观测样本的分类就转化为凸包模型的相似性度量问题。若测试集的凸包模型与训练集无重叠,采用L1范数距离测度进行凸包模型之间的相似性度量;若有重叠,采用L1范数距离测度进行收缩凸包(reduced convex hulls)之间的相似性度量。然后采用最近邻准则作为多观测样本的分类决策。在3个数据库上进行的实验结果,表明该文提出方法对于多观测样本分类具有可行性和有效性。