自适应上界的相对最大分离比单球面分类器  

Maximum Relative Separation Ratio Single Spherical Classifier with an Adaptive Upper Bound

作　　者：张伟[1] 柳先辉[1] 

机构地区：[1]同济大学电子与信息工程学院,上海201804

出　　处：《计算机科学》2012年第9期188-191,214,共5页Computer Science

基　　金：国家高新技术研究发展计划(863)项目(2009AA043503);国家科技支撑计划项目(2012BAF10B05)资助

摘　　要：单球面分类器(RSS)以最大分离比为目标,对负类样本的分布情况缺乏考虑。根据Fisher判别准则,将相对间隔的思想引入到单球面分类器中,对特征空间中负类样本的分布上界进行约束来增强其内聚度,以提高分类器判别的准确性。由于分布上界的不可预测,为避免问题不可解,建立了自适应上界的最大相对分离比单球面分类器模型(ARRSS),并对模型参数进行了分析。实验证明,与单球面分类器相比,该方法表现出更好的泛化能力。Without taking the spread of negative class samples into account,the objective of single spherical classifier（RSS）is only to maximize the separation ratio.According to the Fisher discriminant analysis,this paper introduced relative margin into RSS to enhance the cohesion of negative class samples and improve the discriminant accuracy by the upper bound constraint in the feature space.Because the upper bound is unpredictable,a maximum relative separation ratio single spherical classifier with an adaptive upper bound（ARRSS）was built to avoid no solution and its parameters were researched afterwards.Experiments show the proposed method achieves better generalization performance compared with RSS.

关 键 词：单球面分类器 FISHER判别 相对间隔 上界约束 自适应上界 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程]