最近特征分類器的研究與改進(jìn).pdf

1、目前在模式識別的分類過程中,基本上都需要利用分類器把待分類數(shù)據(jù)進(jìn)行分類,在這個(gè)分類過程中,分類器起到了決策機(jī)制的作用,對最終的類別判別非常關(guān)鍵,分類器性能的優(yōu)劣也將直接關(guān)系到模式識別的好壞。在模式識別中常用的幾種分類器,包括人工神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、Adaboost分類器和最近鄰分類器等。
　　本文對模式識別的研究主要是通過對最近特征分類器進(jìn)行改進(jìn)。最近特征分類器是在非常經(jīng)典的最近鄰分類器的基礎(chǔ)上,通過幾何特性進(jìn)行擴(kuò)展有限的標(biāo)準(zhǔn)樣

2、本的個(gè)數(shù)來達(dá)到比較好的識別性能。目前比較具有代表性的最近特征分類器大概包括三個(gè)。分別是最近特征線分類器(Nearest Feature Line, NFL)、最近特征面分類器(Nearest Feature Plane, NFP)和最近特征空間分類器(Nearest Feature Space, NFS)。但是最近特征線、最近特征面和最近特征空間都存在擴(kuò)展不精確和高計(jì)算復(fù)雜度的缺點(diǎn),針對這些缺點(diǎn)本文提出了幾種改進(jìn)算法。
　　本文主