文献类型：期刊文献

中文题名：基于类间判别的矩阵学习机

英文题名：Matrixized learning machine with between-class discrimination

作者：张国威[1];王喆[1]

机构：[1]华东理工大学信息科学与工程学院,上海200237

年份：2017

卷号：34

期号：12

起止页码：3681

中文期刊名：计算机应用研究

外文期刊名：Application Research of Computers

收录：CSTPCD;;北大核心:【北大核心2014】；CSCD:【CSCD_E2017_2018】；

基金：国家自然科学基金资助项目(61672227;61272198);上海市教委科研创新重点资助项目(14ZZ054)

语种：中文

中文关键词：面向矩阵模式的分类设计;分簇;正则化项学习;模式识别

外文关键词：matrix-pattern-oriented classifier design;clustering;regularization term learning;pattern recognition

摘要：针对面向矩阵模式分类器设计(matrix-pattern-oriented classifier design,Mat CD)没有考虑到先验类间判别信息的不足,提出了一种新的面向矩阵型分类器设计的学习框架。首先通过把每一类分别使用K-means进行聚簇;然后使不同类的簇的中心之间的距离最大化,从而设计出正则化项RBC;最后把RBC嵌入到Mat CD中。实验结果表明,提出的新的面向矩阵型分类器设计的框架提高了Mat CD的分类性能,同时表明RBC的有效性。
Matrix-pattern-oriented classifier design(MatCD) might neglect the prior discriminant information among different classes. To overcome this shortcoming,this paper designed a new learning framework of MatCD. Firstly,it used K-means to cluster every class,and then maximized the distance among the cluster centers of different classes. Lastly,it adoped the new regularization term RBCinto MatCD. The experimental results show that the new learning framework of MatCD improves the classification of MatCD. Moreover,it also indicates that RBCis effectively.