几种典型模式识别分类器武断性的分析

摘要：

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.

关键词：分类方法、武断性、SVM、模式识别、分类器

所属期刊栏目：44

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家重点实验室基金9140C8001020603

在线出版日期：2008-06-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：32-36