摘要:核匹配追踪算法在生成函数字典的过程中常采用贪婪算法进行全局最优搜索,导致算法学习时间过长。该文针对这一缺陷,提出一种基于近邻传播(Affinity Propagation,AP)聚类与核匹配追踪相结合的分类方法fAP-Kernel Matching Pursuit,AP-KMPl,该方法利用聚类算法来优化核匹配追踪算法中的字典划分过程,使用近邻传播聚类将目标数据集划分为若干小型字典空间,随后KMP算法在小型字典空间进行局部搜索,从而缩短学习时间。针对部分UCI数据集和遥感图像数据集,分别采用AP-KMP算法与另4种经典算法进行分类比较实验,结果表明该文算法在时间开销和分类性能上均有一定的优越性。
关键词:核匹配追踪 分类
单位:南京航空航天大学航天学院 南京 210016 安徽工业大学计算机科学与技术学院 马鞍山243002 南京大学天文与空间科学学院 南京210093
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社