杨晓欢
- 作品数：3 被引量：0H指数：0
- 供职机构：西华大学更多>>
- 发文基金：四川省教育厅自然科学科研项目西华大学研究生创新基金国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- K-Means聚类和L2-SVM分类的距离度量以及模式选择研究
- K-Means算法和L2-SVM算法分别是聚类和分类中研究较热的算法。传统K-Means算法以欧氏距离为度量准则，忽略了样本各属性在聚类过程中发挥的不同作用。同样的，L2-SVM算法寻找决策超平面时，以欧氏距离作为最大间...
- 杨晓欢
- 关键词：K-均值算法
- 基于局部保持的KNN算法
- 2015年
- 距离度量对K近邻(KNN)算法分类精度起着重要的作用。传统KNN算法通常采用欧氏距离,但该距离将所有特征的差别平等对待,忽略了数据的局部内在几何结构特征。针对此问题,文章借鉴局部保持投影(LPP)的基本思想,在考虑数据的局部内在几何结构特征基础上,依据类内局部保持散度矩阵构造一种距离度量新方法,利用该距离度量提出一种局部保持K近邻算法。实验结果表明,与采用欧氏距离和传统马氏距离的KNN相比,本算法能够得到更好的分类精度。
- 曾俊杰王晓明杨晓欢
- 关键词：K-近邻局部保持投影
- 基于改进RM界的二次损失函数支持向量机模式选择
- 2016年
- 半径-间隔界中最小包含球半径R的计算需要求解二次规划问题,增加了算法的计算量。为提高计算效率,提出一种基于改进RM界的二次损失函数支持向量机模式选择。用所有训练样本的最大距离D逼近半径R,用D替换R构成新的RM界,然后基于改进的RM界对二次损失函数支持向量机(L2-SVM)进行模式选择,并用梯度下降法调节最优参数。对算法的分类精度和计算效率进行仿真实验讨论,结果表明,与基于RM界的模式选择相比,虽然该算法的分类精度没有明显改变,但其计算效率至少提高1倍。
- 杨晓欢王晓明田勇宋景平
- 关键词：支持向量机梯度下降法
