典型文献
基于等式约束的高维数据多分类问题的归一化割改进算法
文献摘要：
本文对归一化割(NC,Normalized Cut)进行了改进,在能量泛函中引入了度平衡约束以提高模型的约束能力.经典的NC是实现平衡约束的一种重要方法,通过平衡约束来克服通过最小割算法进行数据分类的平凡解问题.但NC的平衡约束能力是不够的,尤其是当数据集不平衡时,约束能力会进一步下降,以此为基础提出了本文的模型.改进后的模型还可以扩展到解决不平衡的多分类问题.在解决不平衡的二分类和多分类问题时,实验结果表明,本文改进的归一化割方法比原始模型具有更高的分类精度和保持平衡的能力.此外,与原来的归一化割方法相比,在保真度集规模很小的情况下,改进的归一化割模型可以实现有效的数据分类.
文献关键词：
多分类;等式约束;非局部总变差;归一化割;最小割
中图分类号：
作者姓名：
徐止磊;盛夏;潘振宽
作者机构：
青岛大学计算机科学技术学院,山东 青岛 266071
文献出处：
引用格式：
[1]徐止磊;盛夏;潘振宽-.基于等式约束的高维数据多分类问题的归一化割改进算法)[J].科学技术创新,2022(06):66-73
A类：
非局部总变差
B类：
等式约束,高维数据,多分类问题,归一化割,改进算法,NC,Normalized,Cut,能量泛函,最小割,数据分类,平凡,决不,二分类,分类精度,保持平衡,保真度
AB值：
0.26189
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
