无限最大间隔线性判别投影模型

发布时间：2021-04-26 07:36

　　针对具有多模分布结构的高维数据的分类问题,该文提出一种无限最大间隔线性判别投影（i MMLDP）模型。与现有全局投影方法不同,模型通过联合Dirichlet过程及最大间隔线性判别投影（MMLDP）模型将数据划分为若干个局部区域,并在每一个局部学习一个最大边界线性判别投影分类器。组合各局部分类器,实现全局非线性的投影与分类。i MMLDP模型利用贝叶斯框架联合建模,将聚类、投影及分类器进行联合学习,可以有效发掘数据的隐含结构信息,因而,可以较好地对非线性可分数据,尤其是具有多模分布特性数据进行分类。得益于非参数贝叶斯先验技术,可以有效避免模型选择问题,即局部区域划分数量。基于仿真数据集、公共数据集及雷达实测数据集验证了所提方法的有效性。 

【文章来源】：电子与信息学报. 2017,39(12)北大核心EICSCD

【文章页数】：8 页

【参考文献】：
期刊论文
[1]一种基于多极化散射机理的极化SAR图像舰船目标检测方法[J]. 文伟,曹雪菲,张学峰,陈渤,王英华,刘宏伟.  电子与信息学报. 2017(01)
[2]基于Fisher约束和字典对的图像分类[J]. 郭继昌,张帆,王楠.  电子与信息学报. 2017(02)
[3]基于随机投影和稀疏表示的跟踪算法[J]. 郁道银,王悦行,陈晓冬,汪毅.  电子与信息学报. 2016(07)
[4]无限最大间隔Beta过程因子分析模型[J]. 张学峰,陈渤,王鹏辉,文伟,刘宏伟.  西安电子科技大学学报. 2016(03)
[5]一种基于Dirichelt过程隐变量支撑向量机模型的目标识别方法[J]. 张学峰,陈渤,王鹏辉,刘宏伟.  电子与信息学报. 2015(01)



本文编号：3161019