国家重点实验室开放基金(9140C8001020603)
- 作品数：2 被引量：5H指数：1
- 相关作者：夏胜平郁文贤张乐锋袁振涛刘建军更多>>
- 相关机构：国防科学技术大学更多>>
- 发文基金：国家重点实验室开放基金国家高技术研究发展计划更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于集群的增量分布式RSOM聚类方法被引量：5
- 2007年
- 对于海量和高维的大规模数据聚类问题,其数据个数以及模式种类通常处于一个动态增加的过程之中,为此进行增量、并行算法的设计,以提供更好的计算能力是十分必要的.注意到人脑增量学习的本质和RSOM(Re-cursive Self-Organizing Map)的层次化、分布式结构特点,本文研究了基于高性能集群并行计算环境的增量、分布式RSOM并行算法,并以视频图像特征集实例证实了算法的可行性.
- 夏胜平刘建军袁振涛虞华张乐锋郁文贤
- 关键词：数据聚类分布式并行计算SELF-ORGANIZING集群系统
- 几种典型模式识别分类器武断性的分析
- 2007年
- 尽管模式识别分类方法已经发展得比较成熟,然而,诸如反向传播算法(BP)、Bayesian方法、支持向量机法(SVM)、自组织映射法(SOM)等经典分类方法,总是具有不同程度的武断特性.所谓武断,以人而言,就是针对某个问题,若决策者依据其经验作出"自信"的判决,而该判决远远超出其经验能力的水平,甚至是完全错误的,则说其决策是武断的.同样,经典的模式分类器表现出类似的武断特性.假定某个输入的特征向量,如果分类器的精度很高但经验很低,就说它在分类时是武断的.一个典型的表象是,对一个全新的、与原有训练样本差异显著的样本,传统分类器往往决然而错误地将其分成已知的类别.很显然,分类器的武断性是一种不受欢迎的性质.对多个经典分类器武断性特点进行了深入分析.
- 陈静夏胜平
- 关键词：SVM模式识别分类器
