典型文献
面向Kullback-Leibler散度不确定集的正则化线性判别分析
文献摘要：
线性判别分析是一种统计学习方法.针对线性判别分析的小样本奇异性问题和对污染样本敏感性问题,目前许多线性判别分析的改进算法己被提出.本文提出了基于Kullback-Leibler(KL)散度不确定集的判别分析方法.提出的方法不仅利用了Ls范数定义类间距离和Lr范数定义类内距离,而且对类内样本和各类中心的信息进行基于KL散度不确定集的概率建模.首先通过优先考虑不利区分的样本提出了一种正则化对抗判别分析模型并利用广义Dinkelbach算法求解此模型.这种算法的一个优点是在适当的条件下优化子问题不需要取得精确解.投影(次)梯度法被用来求解优化子问题.此外,也提出了正则化乐观判别分析并采用交替优化技术求解广义Dinkelbach算法的优化子问题.许多数据集上的实验表明了本文的模型优于现有的一些模型,特别是在污染的数据集上,正则化乐观判别分析由于优先考虑了类中心附近的样本点,从而表现出良好的性能.
文献关键词：
判别分析;KL散度;不确定集;正则化;数据分类
中图分类号：
作者姓名：
梁志贞;张磊
作者机构：
中国矿业大学计算机科学与技术学院 徐州221116;中国矿业大学矿山数字化教育部工程研究中心 徐州221116
文献出处：
引用格式：
[1]梁志贞;张磊-.面向Kullback-Leibler散度不确定集的正则化线性判别分析)[J].自动化学报,2022(04):1033-1047
A类：
B类：
Kullback,Leibler,散度,不确定集,正则化,线性判别分析,统计学习方法,小样本,奇异性,敏感性问题,多线性,改进算法,KL,Ls,范数,类间距离,Lr,类内距离,类中心,概率建模,先考,判别分析模型,Dinkelbach,化子,子问题,精确解,梯度法,交替优化,优化技术,样本点,数据分类
AB值：
0.360375
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。
