×
朱秋明;蔡、姚;刘路成

进化分类器的多超椭球子类模型。 （英文） Zbl 0996.68174号

模式识别 34，第3期，547-560（2001）.
摘要：提出了一种模式分类方案，其中分类器能够在操作过程中增长和进化。通过对多个超椭球子类分布中的模式向量进行建模，使分类器的进化特性成为可能。分类器的学习仅在子类级别进行。此属性允许分类器在接受和学习新模式类时保留其先前学习的模式。该分类器适用于需要持续更新模式类分布的动态环境。

引用于1文件

MSC公司：

68吨10 模式识别、语音识别

关键词：

模式分类方案

软件：

UCI-毫升
PDF格式BibTeX公司 XML格式引用
\textit{Q.Zhu}等，模式识别34，No.3，547--560（2001；Zbl 0996.68174）
全文： 内政部

参考文献：

[1] 班纳吉，S。；Rosenfeld，A.，基于模型的聚类分析，模式识别，26963-974（1993）
[2] Chan，K.P。；Cheung，Y.S.，聚类，模式识别，25，2，211-217（1992）
[3] Juang，B。；Katagiri，S.，最小错误分类的判别学习，IEEE Trans。信号处理。，40, 3043-3054 (1992) ·Zbl 0784.62049号
[4] 纳特·R。；Jackson，W。；Jones，T.，《判别分析中分类问题的经典和线性规划方法的比较》，J.Stat.Compute。模拟，41，1，73-93（1992）·Zbl 0775.62157号
[5] Fritzke，B.，《生长细胞结构-无监督和监督学习的自组织网络》，神经网络，7，9，1441-1460（1994）
[6] Avi-Itzhak，H.I。；Van Mieghem，J.A。；Rub，L.，多个子类模式识别最大相关方法，IEEE Trans。模式分析。机器。智力。，17, 4, 418-431 (1995)
[7] 朱，Q。；蔡毅，非线性模式分类的子类模型，模式识别快报。，19, 2, 19-29 (1998) ·Zbl 0907.68163号
[8] Bennett，K。；Mangasarian，O.，两个线性不可分集的鲁棒线性规划判别，Optim。方法软件，1，23-34（1992）
[9] Banfield，J.D。；Raftery，A.E.，基于模型的高斯和非高斯聚类，生物计量学，49，803-821（1993）·兹比尔0794.62034
[10] Hans，G.C.T.，通过概率密度函数的“半参数”估计进行统计模式分类的神经网络方法，IEEE Trans。神经网络，2，3，366-377（1991）
[11] Y.Nakamori。；Ryoke，M.，通过超椭球聚类识别模糊预测模型，IEEE Trans。系统、人、网络、。，24, 8, 1153-1173 (1994)
[12] Kudo，M.，用随机算法构建类区域：随机子类方法，模式识别，29581-588（1996）
[13] 斯特里特·R。；Luginbuhl，T.，概率神经网络的最大似然训练，IEEE Trans。神经网络，5，5，764-783（1994）
[14] Ishibuchi，H。；Nozaki，K。；Tanaka，H.，分类问题模式空间的有效模糊划分，模糊集与系统，59295-304（1993）
[15] Man，Y。；Gath，I.，《使用模糊聚类检测和分离环形簇》，IEEE Trans。模式分析。机器。智力。，16, 8, 855-861 (1994)
[16] C.J.Merz，P.M.Murphy，UCI机器学习数据库库[网址：http://www.ics.uci.edu/©mlearn/MLRepository.html]，加州大学欧文分校，1996年。；C.J.Merz，P.M.Murphy，UCI机器学习数据库库[网址：http://www.ics.uci.edu/©mlearn/MLRepository.html]，加州大学欧文分校，1996年。
[17] Q.Zhu，L.Liu，使用RBF网络构建一个增值签名认证系统神经网络国际联合会议，IJCNN’99（1999）（CD-ROM，论文#739）。；Q.Zhu，L.Liu，使用RBF网络构建一个增值签名认证系统神经网络国际联合会议，IJCNN’99（1999）（CD-ROM，论文#739）。
[18] 朱强，动态环境下的模式分类：标记特征类表示和分类器，IEEE Trans。系统、人、网络、。，SMC-19,151203-1210（1989）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。