期刊文献+

融合不变性特征的简易支持向量机 被引量:2

Simple Support Vector Machine Incorporating Invariance Features
下载PDF
导出
摘要 应用样本数据具有不变性特征的特点,提出基于虚拟向量变换和局部相关性特征的简易SVM(支持向量机)方法,并以USPS手写体数字识别为例子,与切距核、虚拟SVM、人工识别等方法进行对比,发现该方法能获得较好的粗识别率且计算时间最少。结果表明,该方法能充分提取样本数据中的不变性特征,是研究模式分类问题的有效方法。 This paper proposes simple SVM based on virtual vector transformation and local relationship feature according to example invariance features, and compares with tangent distance kernel, virtual SVM, human recognition elc by recognizing handwritten numbers in USPS. The method can acquire good raw error rate and its computation time is least. The results indicate that the method could sufficiently abstract invariance features in example data, and could be an effective measurement for pattern classification.
出处 《计算机工程》 EI CAS CSCD 北大核心 2006年第18期184-185,191,共3页 Computer Engineering
基金 电子对抗技术预研基金资助项目(NEWL51435QT220401)
关键词 不变性特征 简易支持向量机 虚拟向量 局部相关性 Invariance feature Simple support vector machine Virtual vector Local relationship
  • 相关文献

参考文献4

  • 1Scholkopf B,Burges C,Vapnik V.Incorporating Invariances in Support Vector Learning Machines[J].Artificial Neural Networks,1996,11(12):47-52.
  • 2Pozdnoukhov A,Bengio S.Tangent Vector Kernels for Invariant Image Classification with SVMs[C].Proc.of International Conference on Pattern Recognition,2004:486-489.
  • 3Graepel T,Herbrich R.Invariant Pattern Recognition by Semi-definite Programming Machines[C].Proc.of Advances in Neural Information Processing Systems,2004:33-40.
  • 4Vishwanathan S V N,Smola A J,Murty M N.Simple SVM[C].Proceedings of the Twentieth International Conference on Machine Learning,2003:760-767.

同被引文献9

引证文献2

二级引证文献2

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部