基于类间距判据的高斯过程分类模型核参数选择方法研究  

Kernel Parameter Selection of Gaussian Process Classification Model Based on DBTC Criterion

作　　者：周亚同[1] 贾朋朋[1] 刘龙[2] 

机构地区：[1]河北工业大学信息工程学院,天津300401 [2]西安理工大学自动化学院,陕西西安710048

出　　处：《微电子学与计算机》2012年第8期6-8,14,共4页Microelectronics & Computer

基　　金：国家自然科学基金(60972106);中国博士后科学基金(20090450750);陕西省自然科学基金(2009JQ8007);教育部博士点新任教师基金(20096118120011)

摘　　要：文中提出了一种基于类间距判据的高斯过程分类(GPC)模型核参数选择方法.将核参数作为自变量,类间距作为因变量,获得类间距随核参数变化的目标函数,然后采用共轭梯度法求取目标函数极值,最终获得核参数的最优值.实验表明,用DBTC作为判据进行核参数选择,分类正确率与原有参数选择方法基本相当,但GPC模型在进行参数选择时的耗时大幅减少,因而模型训练速度得到大幅提升.This paper proposes a new kernel parameter selection method of GPC model based on DBTC criterion. After the kernel parameter is used as independent variable, and the DBTC is used as induced variable, we obtain object function that DBTC is varied with kernel parameter. Following that, conjugate gradient method is utilized to calculate the exterma of object function. Finally, the optimal value of kernel parameter is obtained. Experiments illustrates that the proposed method achieved comparable classification accuracy to traditional method. However, the time consuming in parameter section is sharply shortened. Consequently, the training speed of GPC model is improved.

关 键 词：类间距判据 高斯过程分类模型 核参数 共轭梯度法 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]