• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>Proceedings 2013 International Conference on Mechatronic Sciences, Electric Engineering and Computer >Multi-class classification via discriminative multiple subspace learning
【24h】

Multi-class classification via discriminative multiple subspace learning

机译：通过判别式多个子空间学习进行多类分类

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Subspace learning has long been a fundamental yet important problem of modeling data distributions. In this paper, we propose to learn multiple linear subspaces in a supervised way for multi-class classification. To this end, a discriminative term redefining decision margin in terms of reconstruction error is incorporated into the model. The term enjoys similar properties of hinge loss function to the benefit of classification and leads to a training process seeking the balance between unsupervised learning and supervised learning. In the experiments on written digits dataset, our algorithm outperforms other methods proposed recently in both accuracy and computation efficiency.
机译：长期以来，子空间学习一直是对数据分布进行建模的基本但重要的问题。在本文中，我们建议以有监督的方式学习多个线性子空间，以进行多类分类。为此，将根据重构误差的判别项重新定义决策余量合并到模型中。该术语具有铰链损失功能的相似属性，从而有利于分类，并且导致了在无监督学习和有监督学习之间寻求平衡的训练过程。在针对数字数字数据集的实验中，我们的算法在准确性和计算效率方面均优于最近提出的其他方法。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号