文档介绍：灿鑫現或及以其为代表的其他一些予空闻分类方法,在分类问题‘本文第虑跸仍艹觯吃糒激方法由予其固有的缺陷,在处壤多分类捅要阀。接蓿遂过分褥数瓣样本分布与仂惴ǖ玫降耐队氨缌恐蟮墓叵担致此提出一种基予遗传箨法的∞惴ā8盟惴ㄒ杂杩瘴噬系难盗肺蟛钭钚∥L韕原理对训练样本进行随机抽样形成若干彭练域学者们的,’汗刈ⅰ咝耘斜鸱治龇椒所以当统计准则不能蕞确反映样本分布情况时,算法往往会失效。这个问题镣差为准则构建分类器的学习算法。本文在第刂型ü岷螦翳算法与予室阕矗法足模式识别领域一个重要的研究方向,很多年来一直受到该领中有着突出的作用。然而,这些子空问算法也存在一定的缺陷。其中最主要的问题是,大部分黄统:矛空闻算法麓特征提玻准瓣并不与训练误箍壹接糯关联,丽是根据菜种准则由样本数据分布ǔ<偕栉8咚狗植的统计特征得出。致传统≯空间算法墩燃于某些数据分布较为复杂的情形时,难以取得理想的效梁。本文所提出的方法正是嗣绕这个问题而展开的。阈题时,即使各类数据都满足高斯间方差分布,也可能冤法找到最优分类子空‘队跋蛄坑肜嗉渖⒉季卣蠛屠嗄谏⒉季卣筇卣髦捣浯嬖诘墓亓#⒁标,通过遗传算法调整惴ń砝嗉渚卣筇卣魑坏拇笮。锏剿阉髯罴烟卣予空间的效果。通过模拟数摒和真实数据的实验,表明这种方法的分类正确率比现有的线性≯空阉方法有所提离。集成学习瑚论中的豨惴ㄗ阋焕嘁宰钚⊙盗肺涌占浞椒ㄌ岢隽嘶谔嵘跃貺投影的特征提取算法,完成两类问题中豹特征提取弓缝合。鏐算法楚一种将若干分类性能仅好于随枫猜测的弱分类器提升为强分类器的算法框架,要求备弱分类器具有较火的分离度和不稳定性。所以,本文提出的算法酋先借助算法中的自举采样阛样本自举予集,:再通过结合幔籟法和最近邻分类器由这些自举予集得出若千弱分类器,并由鑫凰惴ㄌ嵘G糠掷嗥鳌8貌痉ǹ朔舜常骸壅欧椒特征提取准则不与;『练误差井稍关联的弱点,生成的分类器柯较好的泛化性能,筢够缀好地解决数据分布复杂的分类溺题。文章逶过复杂分布船两类闻题实验证明了该算法的可行性和优越性。摘要
知识水坝***@pologoogle为您整理
合耱以上莽法推,“到多类闯题中,提出了蒸予提升蠢举己激予空闽的分类棼法。疼瓒嗬嗦刺獾难芯浚乇鹋胙閘唬簂翻闯题,其霄史捆胺郝从α羌垭Γ本文第赫略诘:誊的基础上,ü纳频南蚓俨裳椒ǎ笰惴ㄔ谠墟掖∩细⒅啬分样本的分类,同时兼顾弱分类嚣的多样性,达到更好地提升和缝合幕予痔甑娜醴掷嗥鳌Mü中词≯陶像和人脸蚓像粄别的实验,比较盟惴与传统“,窄自品ḿ捌渌痡二集成学习的分类雄法的性能,证明丫该算法的效果达磷或超越,葵它舞法。关键词:降维,予窀闽,线性翔翻分析,遗传葬法,集成学习,久脸;剐摘要·
知识水坝***@pologoogle为您整理
疵簒仃锄仃妇甌瑆撕妣絚飅“誷私鷄,订砿畂肋衄輓阨琇誶瑆也也仃琩⒄舊璐Ⅳ瓵眦危锄琒仔...瑂廿,.,§.,瞐,.’.瑆甧瑃瓵证阰甌,鼍礶/
锄赾珊埴甀—鵶篸遰,,遫呵⑴,,琲瓾,,祝產甅,:甌也“血胊琯琫
廊石月作者签名:逸鱼童中国科学技术大学学位论文源创性和授权使用声明何他人已经发表或撰写过的研究成果。与我一同工作的嘲志对本研究所做的贡献均已在论文中作了明确的说明。版,允许硷文被查阅和僦阕,’可以将学位论文编入有关数据库进行检本人声明所呈交的学位沦文,是本人在导师指导下进行研究工作所取得的成果。除融特别加以标注和致谢的地方外,论文中不包含任本人授权;骺蒲Ъ际醮笱в涤醒宦畚牡牟糠质褂萌ǎ矗貉校有权按有关规定向国家有关部门或机构送交论文的复印件和电予索,可以采用影印、缩印或扫描等复制手段保存、汇编学位沦文。保密的学位论文在解密后也遵守此规定。
,并且在不断的发展与进步。但足,目前的汁算机系统在目标识别、环境感知及在复杂条件下的决策能力远远不如生物系统。当前,已有很多学科分别从不同角度、以不同途径试图研究学习和自适应能力的灵活和智能的计算机器。这些学科包括模式识别、人工智越来越多的重视,⒔写砗头治觯远允挛锘蛳窒蠼忻枋觥⒈嫒稀分类和解释的过程,是信息科学和人工智能的重要组成部分。或用以模仿复制的完美的样品。在模式识别学科中“模式”具有更广。泛的意义。人们在观察书物或现象的时候,常常要寻找它与其他事物或现缘的相同或不同之处,根据一定的目的将并不完全相同的事物或现象组成⋯类。字符识别就是一个典型的例子。例如汉字“中”可以有各种写法,但部属于同~类别。更为人脑的这种思维能力就构成了“模式”的概念。在以上的例子中,模式是和类篺物或现缘·推断出总体,我们就把个别的事物或现缘称作“模式”,而把总体