基于混合Hausdorff距離的多示例學習近鄰分類器
作者：陳澤華; 尚曉慧; 柴晶 太原理工大學信息工程學院; 山西太原030024
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
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。
- 省級期刊
- 1個月內審核
