模式识别与人工智能
2025年4月3日 星期四   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2014, Vol. 27 Issue (2): 173-178    DOI:
研究与应用 最新目录| 下期目录| 过刊浏览| 高级检索 |
基于改进协方差特征的李-KNN分类算法*
王邦军1,2,李凡长2,张莉2,于剑1,何书萍2
1.北京交通大学 计算机与信息技术学院 北京 100044
2.苏州大学 计算机科学与技术学院 苏州 215006
Improved Covariance Feature Based Lie-KNN Classification Algorithm
WANG Bang-Jun1,2, LI Fan-Zhang2, ZHANG Li2, YU Jian1, HE Shu-Ping2
1.School of Computer and Information Technology, Beijing Jiaotong University, Beijing 100044
2.School of Computer Science and Technology, Soochow University, Suzhou 215006

全文: PDF (402 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 K最近邻(KNN)分类简单高效,广泛应用于分类问题或作为分类问题中的比较基准。但实际应用中的数据,特别是结构复杂的高维数据,其特征可能不属于欧氏空间。如何选择样本特征及计算样本点间距离是KNN中的一个难题,文中充分考虑各种影响因素,基于图像区域协方差特征,利用集成的方式,提出一种多协方差李-KNN分类算法。该算法充分利用KNN分类的简单有效性及李群结构的复杂数据表示和距离计算能力,有效解决复杂高维数据的分类问题。手写体数字实验验证该算法具有较好的效果。
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
王邦军
李凡长
张莉
于剑
何书萍
关键词 多协方差测地线李代数李-K近邻    
AbstractK-nearest neighbor(KNN) classification is simple, efficient and widely used for classification problems or as a base of comparison. However, the data, especially those with complex high-dimensional structures, do not always belong to the Euclidean space in practical application. How to select the features of samples and calculate the distances between them is a hard problem in KNN. With full consideration of various factors, a multi-covariance Lie-KNN classification method is put forward based on the image region covariance. In this method, the simplicity and the validity of KNN and the abilities of Lie group structure to represent complex data and calculate distances are fully used. It effectively solves the classification problems of complex high-dimensional data. Experimental results on handwritten numerals verify its effectiveness.
Key wordsMulti-Covariance    Geodesic    Lie-Algebra    Lie-K Nearest Neighbor   
收稿日期: 2013-05-13     
ZTFLH: TP 181  
基金资助:国家自然科学基金资助项目(No.61033013)
作者简介: 王邦军,男,1974年生,博士研究生,讲师,主要研究方向为机器学习、人工智能、企业决策管理.李凡长(通讯作者),男,1964年生,教授,博士生导师,主要研究方向为李群机器学习、动态模糊逻辑等.E-mail:lfzh@suda.edu.cn.张莉,女,1975年生,博士,教授,主要研究方向为机器学习、数据挖掘等.于剑,男,1969年生,教授,博士生导师,主要研究方向为人工智能、机器学习等.何书萍,女,1983年生,硕士,讲师,主要研究方向为机器学习.
引用本文:   
王邦军,李凡长,张莉,于剑,何书萍. 基于改进协方差特征的李-KNN分类算法*[J]. 模式识别与人工智能, 2014, 27(2): 173-178. WANG Bang-Jun, LI Fan-Zhang, ZHANG Li, YU Jian, HE Shu-Ping. Improved Covariance Feature Based Lie-KNN Classification Algorithm. , 2014, 27(2): 173-178.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2014/V27/I2/173
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn