幾種模式識(shí)別方法在高階數(shù)據(jù)分類中的應(yīng)用.pdf

1、本文主要研究了支持向量機(jī)（SVM)、最小二乘雙生支持張量機(jī)（LS?TSTM)、投影雙生支持矩陣機(jī)（PTSMM)等方法在高階數(shù)據(jù)分類中的應(yīng)用.本文內(nèi)容主要分為了三部分,首先介紹了各種形式的SVM在一階數(shù)據(jù)(即向量)分類中的應(yīng)用,然后分別介紹了LS?TSTM和PTSMM在高階張量數(shù)據(jù)分類中的應(yīng)用.
　　在第二章中，針對(duì)多類分類問(wèn)題中樣本數(shù)量分布不均衡和測(cè)試速度較慢這兩種情況,提出了兩種基于最小閉球的二叉樹(shù)多類支持向量機(jī)算法.這兩個(gè)算法

2、利用最小閉球來(lái)協(xié)調(diào)樣本數(shù)量間的不均衡性,利用球心進(jìn)行最遠(yuǎn)距離聚類或最近-最遠(yuǎn)距離聚類,然后構(gòu)建二叉樹(shù)結(jié)構(gòu),使二叉樹(shù)的每個(gè)節(jié)點(diǎn)代表一個(gè)二類支持向量機(jī).
　　在第三章中，為處理非線性的高階數(shù)據(jù),提高分類準(zhǔn)確率,我們提出了一種矩陣核函數(shù),并將其應(yīng)用到了支持張量機(jī)（STM)中,稱為非線性STM.而為了降低其計(jì)算時(shí)間,我們利用雙生支持向量機(jī)（TSVM)的思想,并結(jié)合最小二乘技術(shù),提出了非線性最小二乘雙生支持張量機(jī)（NLS?TSTM).