摘要:通過對最小和最大Hausdorff距離的分析,提出混合Hausdorff距離將它們融合在一起以彌補任意單一Hausdorff距離的缺陷,并基于混合Hausdorff距離設計多示例學習近鄰分類器。采用近鄰分量分析模型能夠優(yōu)化混合Hausdorff距離中的權系數(shù),從而得到在近鄰分類準則下最優(yōu)的混合Hausdorff距離。結果表明:相對于任意單一Hausdorff距離,基于混合Hausdorff距離的多示例學習近鄰分類器通常能夠獲得更高的識別精度。
注:因版權方要求,不能公開全文,如需全文,請咨詢雜志社。
山東工業(yè)大學學報雜志, 雙月刊,本刊重視學術導向,堅持科學性、學術性、先進性、創(chuàng)新性,刊載內容涉及的欄目:研究報告、文獻綜述、簡報、專題研究等。于1986年經(jīng)新聞總署批準的正規(guī)刊物。