特征子模式半定规划描述的序列分类方法.pdfVIP

小 型 微 型 计 算 机 系 统 2008年 I1月 第 ll期 JournalofChineseComputerSystems V01．29 No．11 2008 特征子模式半定规划描述的序列分类方法 邱德红，潘昕昕，陈传波，方少红 (华中科技大学 软件学院，湖北 武汉 430074) E—mail：qiudehong@163．con 摘 要：序列相似性描述是序列分类的关键，根据序列产生的背景和机理，融合利用具有不同物理意义的特征子模式集合进行 序列相似性描述可以改进序列分类的效果．对于在多个特征子模式集合的核变换空间上进行的相似性描述，可利用半定规划方 法，在使得分类边界距离最大的意义下对核矩阵相似性描述结果进行优化，从而建立起一种能够融合利用多种意义特征子模式 集合的序列分类方法．该方法用于手写签名序列的识别实验，在基准签名数据集上取得了较好的实验结果． 关 键 词：序列分类；特征子模式；相似性描述；半定规划 中图分类号 ：TP391．41 文献标识码：A 文 章 编 号 ：1000—1220(2008)11—2083—04 SequenceClassificationBased on FeatureSubsequeneeOptimizedThrough SemidefinitePro— gram QIU De-hong，PANXin—xin，CHEN Chuan—bo，FANG Shao-hong (SchoolofSoftwareEngineering，HuazhongUnivresityofScienceandTechnology，Wuhan430074，China) Abstract：Themeasureofsimilaritybetweensequencesisofgreatimportanttosequenceclassification．Theclassifyingresults couldbeimprovedifthesimilarityismeasuredthroughdifferentsetoffeaturesubsequencesthataredeterminedaccordingto thebackgroundandmechanism ofsequences．Kernelmatrixisdefinedtomeasuresequence’Ssimilarityonthespacespannedby eachsetoffeaturesubsequences．Thecombinationaloptimizationofkernelsissolvedthroughsemidefiniteprogram，whichsi— multaneouslymakestheclassifyingdistancemaximize，thereforeanew methodforsequenceclassificationisobtained．Thenew methodisusedtoverifyhandwrittensignatures．Experimentsonbenchmarkdatabaseshow thesignatureverificationaccuracy hasbeenenhanced． Keywords：sequenceclassification；featuresubsequence；similaritymeasure；semidefiniteprogram 1 引 言 换函数，只需要保证特征空间上样本的像之间的距离形成正 定对称的Gram矩阵即可，因此很容易在计算中包含相关的 序列的分类识别在诸多研究领域有所应用，因此得到了 物理背景意义，在相似性描述时灵活性较好． 广泛关注．序列分类一个关键环节是描述序列之间的相似性， 在特征空间上描述序列的相似性，通常不直接对整个序 通常由某种距离来度量，最为常见的相似性度量距离是序列