• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Pattern Analysis and Machine Intelligence, IEEE Transactions on >Kernel Optimization in Discriminant Analysis
【24h】

Kernel Optimization in Discriminant Analysis

机译：判别分析中的内核优化

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

Kernel mapping is one of the most used approaches to intrinsically derive nonlinear classifiers. The idea is to use a kernel function which maps the original nonlinearly separable problem to a space of intrinsically larger dimensionality where the classes are linearly separable. A major problem in the design of kernel methods is to find the kernel parameters that make the problem linear in the mapped representation. This paper derives the first criterion that specifically aims to find a kernel representation where the Bayes classifier becomes linear. We illustrate how this result can be successfully applied in several kernel discriminant analysis algorithms. Experimental results, using a large number of databases and classifiers, demonstrate the utility of the proposed approach. The paper also shows (theoretically and experimentally) that a kernel version of Subclass Discriminant Analysis yields the highest recognition rates.
机译：内核映射是内部派生非线性分类器的最常用方法之一。这个想法是使用一个核函数，该函数将原始的非线性可分离问题映射到本质上较大的维空间中，在这些维空间中这些类是线性可分离的。内核方法设计中的一个主要问题是找到使问题在映射表示中呈线性的内核参数。本文得出了第一个标准，该标准专门旨在查找贝叶斯分类器变为线性的核表示。我们说明了如何在几种内核判别分析算法中成功应用此结果。使用大量数据库和分类器的实验结果证明了该方法的实用性。本文还（理论上和实验上）表明，子类判别分析的内核版本产生了最高的识别率。

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