正则化的模糊Ho-Kashyap分类器

摘要：

@@ 1引言
Ho-Kashyap算法是统计模式识别[1]中一种有效的线性分类器的设计方法,但传统Ho-Kashyap算法[2]存在的主要缺点是无法控制算法的推广能力.J.Leski在Ho-Kashyap算法[3]中引入了正则化因子来控制分类器的复杂度,从而控制算法的推广能力.为体现分类面附近的样本点对分类面的影响程度,本文在MHKA算法基础上对损失函数引入了模糊性度量,实验表明:MHKA算法进一步提高了分类的能力.

机标关键词：正则化因子、模糊性、控制算法、线性分类器、统计模式识别、能力、损失函数、设计方法、样本点、复杂度、实验、基础、度量、程度

所属期刊栏目：31

分类号：TP3(计算技术、计算机技术)

在线出版日期：2005-12-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共2页

页码：148-149