摘要:该文针对支持向量机(SVM)及其变种的不足,提出一种基于熵理论和核密度估计的最大间隔学习机MLMEK。MLMEK引入了核密度估计和熵的概念,用核密度估计表征样本数据的分布特征,用熵表征分类的不确定性。MLMEK真实反映样本数据的分布特征;同时解决两类分类问题和单类分类问题;比传统SVM具有更好的分类性能。UCI数据集上的实验验证了MLMEK的有效性。
关键词:模式识别 熵理论 核密度估计 支持向量机
单位:江南大学数字媒体学院 无锡214122 山西大学商务学院信息学院 太原030031
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社