×
齐成明;王玉萍;田文杰;王群（Wang，Qun）

基于信息测度的多核增强分类框架。 （英语） Zbl 1360.68705号

混沌孤子分形 89, 175-186 (2016).
摘要：核函数的选择对支持向量机等基于核的方法的性能有很大影响。多核学习（MKL）是一类有前途的机器学习算法，近年来受到了广泛关注。与单核学习相比，MKL结合了多个子核以寻求更好的结果。为了提高SVM和MKL的效率，本文推导了Kullback-Leibler核函数来开发SVM。该方法采用改进的集成学习框架KLMKB，将Adaboost应用于多核分类器的学习。在高光谱遥感图像分类实验中，我们使用通过可选指数因子（OIF）选择的特征对卫星图像进行分类。我们在一些基准分类数据集和高光谱遥感图像数据集上，与一些相关的和最先进的算法相比，广泛地检查了我们的方法的性能。实验结果表明，该方法对不同的数据集具有稳定的性能和显著的准确性。

MSC公司：

68T05年 人工智能中的学习和自适应系统
62H30型 分类和区分；聚类分析（统计方面）
62时35分 多元分析中的图像分析

关键词：

分类;集成学习;Kullback-Leibler距离;多核学习

软件：

幕府;伦敦银行支持向量机;简单MKL;阿达·布斯特。MH公司;辣味MKL
PDF格式BibTeX公司 XML格式引用
\textit{C.Qi}等人，混沌孤子分形89，175--186（2016；Zbl 1360.68705）
全文： 内政部

参考文献：

[1] 肖尔科夫，B。；Smola，A.J.，《用内核学习》（2002），麻省理工学院出版社：麻省剑桥
[2] Kullback，S。；Leibler，R.，《论信息与充分性》，Ann Math Stat，2279-86（1951）·Zbl 0042.38403号
[3] Gönen，M。；AlpayIn，E.，《多核学习算法》，J Mach Learn Res，12211-2268（2011）·Zbl 1280.68167号
[4] Hughes，G.F.，《关于统计模式识别器的平均准确度》，IEEE Trans-Inf理论，IT-14，1，55-63（1968）
[5] Burges，C.J.C.，《维度缩减：导览》，《发现趋势——机器学习》，第2、4、275-365页（2010年）·Zbl 1211.68126号
[6] 查韦斯，P。；柏林，G。；Sowers，L.，《选择陆地卫星MSS比率的统计方法》，J Appl Photogr Eng，1，8，23-30（1982）
[7] Vapnik，V.N.，《统计学习理论》（1998），John Wiley&Sons·Zbl 0934.62009号
[8] 米勒，K。；米卡，S。；Rätsch，G。；Tsuda，K。；Schölkopf，B.，基于内核的学习算法简介，IEEE Trans Neural Netw，12，2，181-202（2001）
[9] 肖-泰勒，J。；Cristianini，N.，《模式分析的内核方法》（2004），剑桥大学出版社
[10] 高，L。；Li，J.等人。；Khodadadzadeh，M。；A广场。；张，B。；He，Z.，用于高光谱图像分类的基于子空间的支持向量机，IEEE Geosci Remote Sens Lett，12，2，349-353（2015）
[11] 柳叶刀，G.R.G。；北卡罗来纳州克里斯蒂亚尼尼。；Bartlett，P。；Ghaoui，L.E。；Jordan，M.I.，《用半定规划学习核矩阵》，J Mach Learn Res，5，27-72（2004）·Zbl 1222.68241号
[12] Alizadeh，F。；Goldfarb，D.，二阶锥规划，数学程序，95，3-51（2003）·Zbl 1153.90522号
[13] 阿科托马蒙杰，A。；巴赫，F.R。；卡努，S。；Grandvalet，Y.，SimpleMKL，J Mach Learn Res，9，2491-2521（2008）·Zbl 1225.68208号
[14] Sonnenburg，S。；Rätsch，G。；Schäfer，C。；附表？ölkopf，B.，《大规模多内核学习》，J Mach Learn Res，7，1，1531-1565（2006）·兹比尔1222.90072
[15] 北苏布拉曼尼亚。；Shin，Y.C.，《信号处理应用的稀疏多核学习》，IEEE Trans-Pattern Ana Mach Intell，32，5，788-798（2010）
[16] 铃木，T。；Tomioka，R.，SpicyMKL:一种使用数千个内核进行多内核学习的快速算法，《马赫学习》，85，1-2，1-32（2011）·Zbl 1237.68166号
[17] 科尔特斯，C。；莫赫里，M。；Rostamizadeh，A.，《两阶段学习核心算法》，第27届机器学习国际会议论文集，以色列海法，239-246（2010）
[18] 科尔特斯，C。；莫赫里，M。；Rostamizadeh，A.，基于中心对准的内核学习算法，J Mach Learn Res，13795-828（2012）·Zbl 1283.68286号
[19] 王，T。；赵，D。；Feng，Y.，带多类核极化的两阶段多核学习，基于知识的系统，48，10C16（2013）
[20] 巴甫洛夫，D。；毛，J。；Dom，B.，使用boosting算法的放大支持向量机，第15届模式识别国际会议论文集，2219-2222（2000）
[22] 李，X。；Wang，L。；Sung，E.，Adaboost with SVM-based component classifiers，Eng-Appl Artif Intell，21，5，785-795（2008）
[24] Sun，T。；Jiao，L。；冯，J。；刘，F。；Zhang，X.，基于最大边缘的非平衡高光谱图像分类，IEEE Geosci Remote Sens Lett，12，3，522-526（2015）
[25] Chang，C.I.，《高光谱数据开发：理论与应用》（2007），Wiley:Wiley Hoboken，NJ，USA
[26] Jolliffe，I.T.，《主成分分析导论》，1-9（2002），Springer-Verlag:Springer-Verlag纽约，纽约，美国·Zbl 1011.62064号
[27] Hyvarinen，A。；Oja，E.，《独立成分分析：算法和应用》，神经网络，13，4/5，411-430（2000）
[28] Jimenez-Rodriguez，洛杉矶。；Arzuaga-Cruz，E。；Velez-Reyes，M.，《无监督线性特征提取方法及其在高维数据分类中的作用》，IEEE Trans-Geosci遥感，45，2，469-483（2007）
[29] Li，J.等人。；黄，X。；Bioucas-Dias，J.M。；Benediktsson，J.A。；Plaza，A.，用于高光谱图像分类的多特征学习，IEEE Trans-Geosci Remote Sens，53，3，1592-1606（2015）
[30] 康，X。；李，S。；方，L。；李，M。；Benediktsson，J.A.，高光谱图像的扩展随机步行分类，IEEE Trans-Geosci遥感，53，1，144-153（2015）
[31] 冯，J。；焦立中。；张，X。；Sun，T.，基于三变量互信息和克隆选择的高光谱波段选择，IEEE Trans-Geosci遥感，52，7，4092-4105（2014）
[32] Asl，M.G。；Mobasheri，M.R。；Mojaradi，B.，使用原型空间中的几何测量进行高光谱图像的无监督特征选择，IEEE Trans Geosci Remote Sens，52，7，3374-3387（2014）
[33] 冯，J。；Jiao，L。；刘，F。；Sun，T。；Zhang，X.，基于互信息的高分辨率、高信息和低冗余半监督高光谱波段选择，IEEE Trans Geosci Remote Sens，53，5，2956-2969（2015）
[34] 袁，Y。；朱，G。；Wang，Q.，通过多任务稀疏追踪选择高光谱波段，IEEE Trans Geosci Remote Sens，53，2，631-644（2015）
[35] 张，Q。；田，Y。；Yang，Y。；Pan，C.，通过区分稀疏多模式学习为高光谱图像自动选择空间光谱特征，IEEE Trans-Geosci遥感，53，1，261-279（2015）
[36] 耿，X。；Sun，K。；纪磊。；Zhao，Y.，基于体粒度的高光谱图像快速波段选择方法，IEEE Trans Geosci Remote Sens，52，11，7111-7119（2014）
[37] 布鲁佐内（Bruzzone，L.）。；Serpico，S.B.，多类问题中的特征选择技术，Int J Remote Sens，21，3，549-563（2000）
[38] 帕特拉，S。；莫迪，P。；Bruzzone，L.，基于粗糙集的高光谱波段选择，IEEE Trans Geosci Remote Sens，53，10，5495-5503（2015）
[39] Yang，H。；杜琪。；苏，H。；Sheng，Y.，《监督高光谱波段选择的有效方法》，IEEE Geosci Remote Sens Lett，8，1，138-142（2011）
[40] Chang，C.-I。；Wang，S.，高光谱图像的约束波段选择，IEEE Trans-Geosci遥感器，44，61575-1585（2006）
[41] Martinez-Uso，A。；平面图，F。；索托卡，J.M。；Garcia-Sevilla，P.，使用信息测量的基于聚类的高光谱波段选择，IEEE Trans-Geosci遥感，45，12，4158-4171（2007）
[42] 杨，C。；刘，S。；布鲁佐内（Bruzzone，L.）。；Guan，R。；Du，P.，高光谱图像分类中用于特征选择的基于特征度量的亲和传播技术，IEEE Geosci Remote Sens Lett，10，5，1152-1156（2013）
[43] 沈，L。；Zhu，Z。；贾，S。；朱，J。；Sun，Y.，高光谱图像分类的判别gabor特征选择，IEEE Geosci Remote Sens Lett，10，1，29-33（2013）
[44] Das，A。；Ghosh，S。；Ghosh，A.，《使用分块波段图像相关性和容量鉴别对高光谱图像进行波段消除》，《国际遥感杂志》，35，2，554-577（2014）
[45] 帕特，N。；Kaushal，B.，通过最佳指数因子（OIF）选择的特征分类，以提高分类精度，J for Res，22，1，99-105（2011）
[46] 巴赫曼，C.M。；安斯沃思，T.L。；Fusina，R.A.，《利用高光谱图像中的流形几何》，IEEE Trans-Geosci遥感，43，3，441-454（2005）
[47] 吴，B。；张，L。；Zhao，Y.，通过cramer的v检验离散化进行远程图像分类的特征选择，IEEE Trans Geosci remote Sens，52，5，2593-2606（2014）
[48] 秦，X。；邹，H。；周，S。；Ji，K.，使用广义伽马分布之间的kullbackcleibler距离对SAR图像进行基于区域的分类，IEEE Geosci Remote Sens Lett，12，8，1655-1659（2015）
[49] 曾杰。；克鲁格，美国。；Geluk，J。；王，X。；Xie，L.，使用kullback-leibler散度检测异常情况，Automatica，502777-2786（2014）·Zbl 1300.93029号
[50] Ferracuti，F。；Giantomasis，A。；Iarlori，S。；伊波利蒂，G。；Longhi，S.，《基于核密度估计和质量控制场景中kullback-leibler发散的电机缺陷诊断》，《工程应用Artif Intell》，44，25-32（2015）
[51] Zien，A。；Ong，C.S.，多类多内核学习，第24届机器学习国际会议论文集，美国俄勒冈州科瓦利斯，1191-1198（2007）
[52] Rabiner，L.R.，语音识别中的隐马尔可夫模型和选定应用教程，IEEE Proc，77，257-286（1989）
[53] Kim，H.C。；庞，S。；Je，H。；Kim，D。；Bang，S.Y.，构建支持向量机集成，模式识别，36，12，2757-2767（2003）·兹比尔1059.68091
[54] 弗伦德，Y。；Schapire，R.E.，在线学习的决策理论推广及其在助推中的应用，计算机系统科学杂志，55，1，119-139（1997）·Zbl 0880.68103号
[55] 徐，Z。；金·R。；国王一世。；Lyu，M.R.，《有效多核学习的扩展级方法》，《神经信息处理系统学报》（2008年）
[56] 夏贝尔，O。；Rakotomamonjy，A.，核参数的二阶优化，神经信息处理系统（NIPS）研讨会进展（2008）
[57] 克拉默，K。；Keshet，J。；Singer，Y.，《使用增强的内核设计》，《神经信息处理系统（NIPS）进展论文集》，537-544（2002）
[58] Chen，C.C。；Lin，C.J.，LIBSVM：支持向量机库，ACM Trans Intell Syst Technol，2，27（2011）
[59] 康加尔顿，R.G。；Oderwald，R.G。；Mead，R.A.，《使用离散多元分析统计技术评估陆地卫星分类精度》，《Photogramma Eng Remote Sens》，49，12，1671-1678（1983）
[60] Foody，G.M.，《分类准确性比较：假设检验和置信区间在差异、等效性和非劣效性评估中的使用》，《遥感环境》，113，8，1658-1663（2009）
[61] Ramzi，P。；萨马扎德根，F。；Reinartz，P.，使用AdaBoostSVM技术对波段簇进行高光谱数据分类，IEEE J Sel Topics Appl Earth Observ Remote Sens，7，6（2014）
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。