×
李罗清;杨传武;谢启伟

一维嵌入多类别分类方法。 （英语） Zbl 1333.68231号

国际小波多分辨率。信息处理。 14，第2号，文章ID 1640006，13 p.（2016）.
摘要：本文提出了一种基于一维多嵌入的半监督多类别分类方法。基于多重一维嵌入插值技术，我们将高维数据嵌入到多个不同的一维流形中，并首先进行二值分类。然后分别采用一对一和一对一策略构造多类别分类器。在我们的算法中采用了加权策略来提高分类性能。该方法在手写数字和人脸图像的分类中取得了良好的效果。

引用于3文件

MSC公司：

68T05型 人工智能中的学习和自适应系统
68吨10 模式识别、语音识别

关键词：

多类别分类;1D嵌入;半监督学习

软件：

伦敦银行支持向量机;LMNN公司
PDF格式BibTeX公司 XML格式引用
\textit{L.Li}等人，《国际小波多分辨率》。信息处理。14，第2号，文章ID 1640006，13 p.（2016；Zbl 1333.68231）
全文： 内政部

参考文献：

[1] 1.M.Belkin、P.Niyogi和V.Sindhwani，流形正则化：从标记和未标记示例学习的几何框架，J.Mach。学习。第7（3）号决议（2006）2399-2434·Zbl 1222.68144号
[2] 2.L.Breiman，Random forests，马赫。学习。45（1）（2001）5-32。genRefLink（16，'S0219691316400063BIB002'，'10.1023
[3] 3.C.Chang和C.Lin，LIBSVM：支持向量机库，ACM Trans。智力。系统。Technol.2（3）（2011），第27条，1-22。genRefLink（16，'S0219691316400063BIB003'，'10.1145
[4] 4.H.Chen和L.Li，关于基于凸损失的多类别分类的收敛速度，科学。中国Ser。A： 数学50（11）（2007）1529-1536。genRefLink（16，'S0219691316400063BIB004'，'10.1007·Zbl 1133.68393号
[5] 5.H.Chen和L.Li，具有不完美模型的半监督多类别分类，IEEE Trans。神经网络20（10）（2009）1594-1693。genRefLink（16，'S0219691316400063BIB005'，'10.1109
[6] 6.Y.Freund和R.Schapire，在线学习的决策理论推广及其在助推中的应用，J.Compute。系统。《科学》第55（1）（1997）119-139页。genRefLink（16，'S0219691316400063BIB006'，'10.1006
[7] 7.A.S.Georghiades、P.N.Belhumeur和D.J.Kriegman，从少到多：可变光照和姿势下人脸识别的照明锥模型，IEEE Trans。模式分析。机器。《情报》23（6）（2001）643-660。genRefLink（16，'S0219691316400063BIB007'，'10.1109
[8] 8.徐志强和林志强，多类支持向量机方法的比较，IEEE Trans。《神经网络》13（2）（2002）415-425。genRefLink（16，'S0219691316400063BIB008'，'10.1109
[9] 9.G.F.Hughes，《关于统计模式识别器的平均准确度》，IEEE Trans。《信息论》14（1）（1968）55-63。genRefLink（16，'S0219691316400063BIB009'，'10.1109
[10] 10.J.J.Hull，手写文本识别研究数据库，IEEE Trans。模式分析。机器。《情报》16（5）（1994）550-554。genRefLink（16，'S0219691316400063BIB010'，'10.1109
[11] 11.Y.LeCun、L.Bottou、Y.Bengio和P.Haffner，基于梯度的学习应用于文档识别，Proc。IEEE86（11）（1998）2278-2324。genRefLink（16，'S0219691316400063BIB011'，'10.1109
[12] 12.G.Ou和Y.L.Murphey，使用神经网络的多类模式分类，模式识别。40（1）（2007）4-18。genRefLink（16，'S0219691316400063IB012'，'10.1016
[13] 13.I.Rish，朴素贝叶斯分类器的实证研究，J.Univers。计算。科学1（2）（2001）41-46。
[14] 14.S.Roweis和L.Saul，通过局部线性嵌入降低非线性维数，科学290（5500）（2000）2323-2326。genRefLink（16，'S0219691316400063BIB014'，'10.1126
[15] 15.J.Sulzmann、J.Furnkranz和E.Hullermeier，《关于两两朴素贝叶斯分类器》，马赫。《学习》4701（2007）371-381。
[16] 16.J.B.Tenenbaum、V.de Silva和J.C.Langford，非线性降维的全球几何框架，科学290（5500）（2000），1959-1966。genRefLink（16，‘S0219691316400063BIB016’，‘10.1126
[17] 17.J.Wang，使用多一维嵌入自适应插值的半监督学习，国际小波，多分辨率。Inf.Process.14（2）（2016）11页·Zbl 1333.68236号
[18] 18.J.Wang，《使用多个基于一维嵌入的标签增强集成的半监督学习》，国际J.Wavelets，Multisresolut。Inf.Process.14（2）（2016）33页·Zbl 1334.68194号
[19] 19.K.Q.Weinberger和L.K.Saul，大幅度最近邻分类的距离度量学习，J.Mach。学习。第10（1）号决议（2009）207-244·Zbl 1235.68204号
[20] 20.X.Zhu，《半监督学习文献调查》，《1530年技术报告》，威斯康星大学计算机科学，麦迪逊分校（2005年）。
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。