一种新的分类方法——属性均值聚类属性支持向量机(AMC-ASVM)

在属性均值聚类(AMC)与支持向量机(SVM)的基础上,提出了一个新的模式分类算法——基于(属性)聚类的属性支持向量机算法(AMC-ASVM)。主要思想是利用属性均值聚类网络得到的具有概率信息(权重)的样本,来训练属性支持向量机,从而得到分类器。这种方法结合了属性聚类的稳定性与属性支持向量机可以利用加权样本的优点,适合处理具有强噪声的数据。另外,该方法也可以看作是堆近邻分类法的自然推广。在实验部分,将其用于结肠癌基因表达数据的处理。实验结果显示了AMC-ASVM在一定程度上优于最近邻,Boosting,堆近邻,SVM等方法。     

子空间非相似性度量(WWF-SSD)的三角不等式

2005年,W ang,W ang和Feng在国际期刊Pattern R ecogn ition上提出了用来刻画子空间非相似性的度量(WW F-SSD),而且利用这个度量设计人脸识别算法,取得了很好的效果.但是该文章中没能证明WW F-SSD满足一个距离必须具有的三角不等式性质.本文给出了WW F-SSD的一个矩阵形式等价定义.基于这个定义不但可以使利用M atL ab实现的算法更有效率,而且可以很直观的证明WW F-SSD不依赖于子空间标准正交基的选择这一性质.进一步,我们在这个定义的基础上,利用矩阵的有关性质证明了WW F-SSD的三角不等式,从而最终证明了WW F-SSD是距离.     

一种新的分类方法——属性均值聚类属性支持向量机(AMC-ASVM)

在属性均值聚类(AMC)与支持向量机(SVM)的基础上,提出了一个新的模式分类算法——基于(属性)聚类的属性支持向量机算法(AMC-ASVM)。主要思想是利用属性均值聚类网络得到的具有概率信息(权重)的样本,来训练属性支持向量机,从而得到分类器。这种方法结合了属性聚类的稳定性与属性支持向量机可以利用加权样本的优点,适合处理具有强噪声的数据。另外,该方法也可以看作是堆近邻分类法的自然推广。在实验部分,将其用于结肠癌基因表达数据的处理。实验结果显示了AMC-ASVM在一定程度上优于最近邻, Boosting, 堆近邻, SVM等方法。     

属性均值聚类二叉树及其在人脸识别中的应用

在无监督的属性聚类网络的基础上,提出了一种二叉树分类方法。此二叉树自然地在无监督聚类的基础上扩展开来,成为一有监督的分类方法。用ORL人脸数据库做了测试,同标准的特征脸(eigenface)方法相比,识别率得到了较大的提高。     

关于矩阵2-范数的一个定理

证明了矩阵2-范数的一个定理.该定理指出了一类实方阵的2-范数恒不大于1.在未来的研究中,这个定理可以用来分析图像处理中的某些算法.