导读:本文包含了距离分类器论文开题报告文献综述及选题提纲参考文献，主要关键词:稀疏表示分类,决策融合,距离修正因子,图像检索
距离分类器论文文献综述
唐彪,金炜,符冉迪,龚飞,何彩芬[1]（2018）在《多稀疏表示分类器决策融合修正距离的图像检索》一文中研究指出针对当前许多图像检索方法的检索精度不理想的问题,本文为增强图像特征的表达能力,通过统计图像的颜色矩、多尺度分块局部二值模式、灰度共生矩阵、尺度不变特征变换以及空间位置信息,提取5类能从不同角度表征图像本质特性的特征,并根据图像库中各训练图像的类别信息,以此5类特征构造5个稀疏表示分类器,同时引入决策融合思想,根据每个子分类器的分类性能,通过一个自适应迭代运算过程确定各子分类器的融合权值,以刻画不同类别特征的图像表达能力,并据此构造距离修正因子对不同特征所描述的图像间距离进行修正,从而得到综合各类特征表达能力的图像间的修正距离,实现图像的相似性评价,获得检索结果。实验结果表明,基于Corel-1000图像库,本文提出的方法平均查准率为82.1%,比现有的方法平均提升10个百分点,而且鲁棒性更强。(本文来源于《光电子·激光》期刊2018年09期）
张立旺,师智斌[2]（2016）在《基于测地距离的GIDGC-KNN不平衡数据分类器》一文中研究指出IDGC(imbalanced data gravitation classification)在不平衡数据分类中使用欧式距离计算引力时,未能考虑数据分布性状和待测数据近邻类相关性,存在准确率低的问题,为此提出一种基于测地距离的GIDGC-KNN不平衡数据分类器模型。在IDGC基础上引入放大引力系数(amplified gravitation coefficient,AGC),结合测地距离和KNN(K-nearest neighbor)算法得到数据分布隐含的全局几何结构和近邻样本类相关性。该模型适应高维具有流形结构的数据,继承了KNN近邻样本类相关性的优点。KEEL数据集上的实验结果表明,与IDGC算法、数据层面算法、代价敏感学习算法和集成方法算法相比,GIDGC-KNN在高不平衡数据集上比在低不平衡数据集上有明显的分类性能优势和良好的泛化能力。(本文来源于《计算机工程与设计》期刊2016年02期）
张学峰,王鹏辉,冯博,杜兰,刘宏伟[3]（2014）在《基于多分类器融合的雷达高分辨距离像目标识别与拒判新方法》一文中研究指出由于雷达自动目标识别(Radar automatic target recognition,RATR)中库外目标的存在,评价系统性能时应综合考虑其识别性能和拒判性能.由此本文构造了一种将分类器的输出通过最近邻分类器(Nearest neighbor,NN)进行拒判和识别的"分类器–最近邻"系统,并在拒判和识别两个阶段分别采用多分类器融合技术以提高RATR系统的拒判和识别综合性能.此外,文中定义了一种代价函数以衡量系统综合性能并为系统拒判工作点的选取提供依据.进而,采用局部法和全局法两种算法确定拒判器的工作点.实测数据实验结果验证了本文方法的有效性,两种工作点选取算法均能够显着提高识别系统的综合性能.(本文来源于《自动化学报》期刊2014年02期）
赵玉娟,刘擎超[4]（2012）在《基于混合多距离度量的多分类器加权集成研究》一文中研究指出在机器学习领域,分类器加权在小样本数据集中的分类正确率较低。为此,提出一种基于混合距离度量的多分类器加权集成方法。结合欧氏距离、曼哈顿距离、切比雪夫距离,设计混合的距离度量加权方法,使用加权投票组合规则集成各分类器的输出结果。实验结果表明,该方法鲁棒性较好,分类正确率较高。(本文来源于《计算机工程》期刊2012年21期）
杨艺,韩德强,韩崇昭[5]（2012）在《一种基于证据距离的多分类器差异性度量》一文中研究指出多分类器系统因其能够显着提升分类精度而引发了广泛关注。多分类器系统中各子分类器间的差异性是提升融合分类精度的先决条件。提出了一种基于证据距离的分类器系统差异性度量,同时基于该度量提出一种多分类器系统构造方法。综合了既有差异性度量、所提新差异性度量以及在训练样本集上的分类性能等多个指标,实现了多分类器系统的有效构造。实验结果表明,所提差异性度量及多分类器系统构造方法是合理的,能有效提升融合分类精度。(本文来源于《航空学报》期刊2012年06期）
张旭秀,陈坚[6]（2010）在《基于Fisher距离的新型脑机接口分类器》一文中研究指出提出基于F isher距离测度的线性分类器符合统计学习理论框架的观点,结合主分量分析和遗传算法提出一种基于结构风险最小化(Structural R isk M in im ization,简称SRM)归纳原则的分类器设计方法.通过对比遗传算法和穷举法的运算量,阐明所提出的特征提取方法在采用F isher线性分类器分类时的优势.最后采用所提出的基于SRM归纳原则的方法对一组人脑慢皮层电位数据进行了分类仿真实验,并将结果与该组数据竞赛优胜者的结果进行了对比,性能得到了明显提高.(本文来源于《大连交通大学学报》期刊2010年01期）
于飞[7]（2009）在《基于距离学习的集成KNN分类器的研究》一文中研究指出近年来,数据挖掘引起了信息产业界的极大关注,其主要原因是存在可以广泛适用的大量数据,并且迫切需要将这些数据转换成有用的信息和知识。获取的信息和知识可以应用于各种领域,包括商务管理、生产控制、市场分析、工程设计和科学探索等。本文主要关注于数据挖掘的一个分支,即分类问题,综合了一种集成算法和一种改良的分类算法,设计了一个基于距离学习的集成的KNN分类器。这种分类器首先对数据集的所有属性进行了的过滤处理,计算训练集所有属性的信息增益,把信息增益小于某一阈值的属性作为不相关属性过滤掉。然后选择了装袋(Bagging)的集成方法来构建子分类器:一方面,利用自助(Bootstrap)法随机抽取了训练数据集的样本以建立多个子分类器,另一方面,对每一个已建立的子分类器的所有属性再次进行了随机剔除,这种对输入属性添加扰动的方法不但保证了子分类器准确性,同时也增加了子分类器之间的差异性。之后,每一个子分类器都选择一种基于距离学习的KNN分类算法来计算分类结果,其中KNN的距离学习模块采用了邻近成分分析(NCA)算法。最后,利用多数投票制综合分类结果,获得最终判定。实验数据表明,与单一的集成KNN分类器或者单一的距离学习KNN分类器相比,新分类器的正确率的得到了很大的提升。(本文来源于《大连理工大学》期刊2009-11-09）
郭亚琴,王兴洲[8]（2009）在《一种改进的最小距离分类器NN-MDC》一文中研究指出为了提高最小距离分类器的性能,在其基础上提出了一种改进MDC——NN-MDC:它先对训练样本进行修剪,根据每个样本与其最近邻类标的异同决定其取舍,然后再用剩余的训练样本训练得到分类器。采用UCI标准数据集实验,结果表明本文所提出的NN-MDC与MDC相比具有较高的分类精度。(本文来源于《软件导刊》期刊2009年10期）
张茜,邵堃,刘磊[9]（2009）在《一种基于最小距离分类器的恶意代码检测方法》一文中研究指出恶意代码是构成互联网威胁的新根源,至今传统的病毒查杀方法对此也无法根治。未知恶意代码每月呈几何倍的速度增长,人们依赖的防范手段多是手工分析,其效率有限且花费巨大。阐述了基于最小距离分类器的未知恶意代码检测方法,它对未知恶意代码有着良好的判定能力,能够有效地区分病毒与可信程序。对自定义的恶意代码行为进行建模,并通过实验发现,经过改进的最小距离分类器除了良好的分类精度外,其计算代价较其他非线性方法小,因此该模型在实际反病毒工作中有较高的实战价值。(本文来源于《广西师范大学学报(自然科学版)》期刊2009年03期）
岳俊华,李岩,郭永飞[10]（2009）在《最小海明距离分类器的字符识别方法研究》一文中研究指出应用最小海明距离(Hamming Distance,缩写HD)分类器,研制了一种新型的基于最小海明分类器的字符识别方法。讨论了该字符识别方法实现的技术路线,较好解决了理论的工程化应用问题,对500帧连续图像的时间字符进行实验,时间字符识别准确率为99.8%,达到了字符比较准确识别的目的。(本文来源于《计算机工程与应用》期刊2009年24期）
距离分类器论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
IDGC(imbalanced data gravitation classification)在不平衡数据分类中使用欧式距离计算引力时,未能考虑数据分布性状和待测数据近邻类相关性,存在准确率低的问题,为此提出一种基于测地距离的GIDGC-KNN不平衡数据分类器模型。在IDGC基础上引入放大引力系数(amplified gravitation coefficient,AGC),结合测地距离和KNN(K-nearest neighbor)算法得到数据分布隐含的全局几何结构和近邻样本类相关性。该模型适应高维具有流形结构的数据,继承了KNN近邻样本类相关性的优点。KEEL数据集上的实验结果表明,与IDGC算法、数据层面算法、代价敏感学习算法和集成方法算法相比,GIDGC-KNN在高不平衡数据集上比在低不平衡数据集上有明显的分类性能优势和良好的泛化能力。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
距离分类器论文参考文献
[1].唐彪,金炜,符冉迪,龚飞,何彩芬.多稀疏表示分类器决策融合修正距离的图像检索[J].光电子·激光.2018
[2].张立旺,师智斌.基于测地距离的GIDGC-KNN不平衡数据分类器[J].计算机工程与设计.2016
[3].张学峰,王鹏辉,冯博,杜兰,刘宏伟.基于多分类器融合的雷达高分辨距离像目标识别与拒判新方法[J].自动化学报.2014
[4].赵玉娟,刘擎超.基于混合多距离度量的多分类器加权集成研究[J].计算机工程.2012
[5].杨艺,韩德强,韩崇昭.一种基于证据距离的多分类器差异性度量[J].航空学报.2012
[6].张旭秀,陈坚.基于Fisher距离的新型脑机接口分类器[J].大连交通大学学报.2010
[7].于飞.基于距离学习的集成KNN分类器的研究[D].大连理工大学.2009
[8].郭亚琴,王兴洲.一种改进的最小距离分类器NN-MDC[J].软件导刊.2009
[9].张茜,邵堃,刘磊.一种基于最小距离分类器的恶意代码检测方法[J].广西师范大学学报(自然科学版).2009
[10].岳俊华,李岩,郭永飞.最小海明距离分类器的字符识别方法研究[J].计算机工程与应用.2009