• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Neural Networks and Learning Systems, IEEE Transactions on >High-Order Measurements for Residual Classifiers
【24h】

High-Order Measurements for Residual Classifiers

机译：残留分类器的高阶测量

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

Residual classifiers are common in dictionary-based multiclass classification. This paper proposes the concept of performance functions for residual classifiers. A performance function for multiclass classifications is a conceptual measurement function that combines local and global measurements. In general, the performance function is nonlinear. To explore the properties of the performance function, we employ the Taylor series expansion technique and derive a family of measurement functions. Specifically, the linear measurement and the quadratic measurement (QM) are derived. By exploiting the effect of the higher order terms in the performance function as well as the fundamental nondecreasing constrain, we derive the normalized QM (NQM). We present the classifier for multiclass classification using the proposed measurements. The proposed algorithms are tested against frontal faces and handwritten digit recognition tasks. Our tests show that the QM classifier achieves competitive classification results compared with baseline methods. NQM shows better stability with different parameter configurations.
机译：残余分类器在基于字典的多类分类中很常见。本文提出了残差分类器性能函数的概念。多类分类的性能函数是将局部和全局度量结合在一起的概念度量函数。通常，性能函数是非线性的。为了探索性能函数的性质，我们采用泰勒级数展开技术并导出了一系列测量函数。具体地，得出线性测量和二次测量（QM）。通过利用性能函数中的高阶项的影响以及基本的非递减约束，我们得出归一化的QM（NQM）。我们提出使用建议的测量方法进行多类分类的分类器。针对正面和手写数字识别任务对提出的算法进行了测试。我们的测试表明，与基线方法相比，QM分类器获得了竞争性的分类结果。 NQM在不同的参数配置下显示出更好的稳定性。

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