判别性正则化:一种新颖的分类器学习方法(英文)

薛晖

首页> 中文期刊> 《南京航空航天大学学报：英文版》 >判别性正则化:一种新颖的分类器学习方法(英文)

判别性正则化:一种新颖的分类器学习方法(英文)

AI论文写作 >>

开具论文收录证明 >>

页面导航

摘要
著录项
引文网络
相似文献
相关主题

摘要

提出了一种新颖的正则化方法—判别性正则化(Discriminative regularization,DR),为分类提供了一种通用的结合样本先验信息的方式。通过将先验信息引入到正则化项中,DR不但使分类器实际输出与期望输出之间的经验损失达到最小,而且能在输出空间中同时最大化类间散性与最小化类内紧性。此外,通过将等式约束嵌入到目标函数中,DR的求解还可转化为解线性方程组问题,从而得到全局解析解。分类实验验证了DR的优越性。

著录项

来源
《南京航空航天大学学报：英文版》 |2009年第1期|65-74|共10页
作者
薛晖;
展开▼
作者单位

南京航空航天大学信息科学与技术学院;

展开▼
原文格式 PDF
正文语种 chi
中图分类信息处理（信息加工）;
关键词
判别分析; 信息分类; 模式识别;

相似文献

中文文献
外文文献
专利

判别性正则化:一种新颖的分类器学习方法(英文)

摘要

著录项

引文网络

相似文献

相关主题

期刊订阅