CASIA OpenIR  > 毕业生  > 硕士学位论文
基于再生核映射的分类器的研究与应用
邹冬方
学位类型工学硕士
导师刘迎建
2001-05-01
学位授予单位中国科学院研究生院
学位授予地点中国科学院自动化研究所
学位专业模式识别与智能系统
关键词核映射 分类器
摘要多层感知器网络、径向基函数网络和支持向量机是三种经典的分类器,它 们比其它统计模式识别方法有较大的优势。而优势的根源在于它们实现了从输入 到输出的非线性映射。事实上,上述三种分类器所基于的非线性映射都可以归为再生核映射,此 映射可以在RKHS中利用线性空间中的方法来确定。 在对再生核映射及RKHS的概念进行深刻的理论讨论后,本文对另外一种 基于再生核映射的神经网络分类器-OI网进行了详细的说明,并在原设计者提 供的学习算法基础上提出了一种新的学习算法。 子空间法是一种现代统计模式识别方法。在本文中,子空间法中最基本的 方法一CLAFIC法与再生核映射被结合起来,从而形成一种新的分类器-RKHS 中的子空间分类器。局部子空间分类器是子空间法中最新的技术,它与再生核映 射相结合的产物一RKHS中的局部子空间分类器也由我们提出。
其他摘要MLPN (Multilayer Perceptron Network), RBFN(Radial Basis Function Network) and SVM(Support Vector Machine) are three classical classifiers, which are superior to other statistical approaches. The superiority roots in the nonlinear mapping performed by them from the input vectors to the output ones. As a matter of fact, the nonlinear maps on which those classifiers are based are kinds of reproducing kernel maps, which can be formulated by linear methods in RKHS(Reproducing Kernel Hilbert Space). After the concepts of Reproducing Kernel Map and RKHS are discussed on basis of profound theories, another neural classifier based on Reproducing Kernel Map is demonstrated in particular, whose name is OI Network. The original learning algorithms for it given by the divisor are studied, and a new learning algorithm is put forward in this paper. Subspace Method is a modem pattern recognition method. In this paper, the most fundamental one of all subspace methods, named CLAFIC, is combined with Reproducing Kernel Map, then a new classifier, Subspace Classifier in Reproducing Kernel Hilbert Space, comes into being. Local Subspace Classifier is the newest technique of subspace methods, which is also combined with Reproducing Kernel Map, with the consequent product being Local Subspace Classifier in Reproducing Kernel Hilbert Space.
馆藏号XWLW604
其他标识符604
语种中文
文献类型学位论文
条目标识符http://ir.ia.ac.cn/handle/173211/6797
专题毕业生_硕士学位论文
推荐引用方式
GB/T 7714
邹冬方. 基于再生核映射的分类器的研究与应用[D]. 中国科学院自动化研究所. 中国科学院研究生院,2001.
条目包含的文件
条目无相关文件。
个性服务
推荐该条目
保存到收藏夹
查看访问统计
导出为Endnote文件
谷歌学术
谷歌学术中相似的文章
[邹冬方]的文章
百度学术
百度学术中相似的文章
[邹冬方]的文章
必应学术
必应学术中相似的文章
[邹冬方]的文章
相关权益政策
暂无数据
收藏/分享
所有评论 (0)
暂无评论
 

除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。