原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
具有增量学习能力的最小距离分类器1
张荣‘11 桑农【11 张天序12】
【11华中科技大学图像识别与人工智能研究所，武汉，430074
【21图像信息处理与智能控制教育部重点实验室，武汉，430074
e—mai
l：nsang@hust．edu．cn
摘要：本文提出了一种最小距离分类器，该分类器的特殊结构使得其具有较好的增量学-j能力。为了
尽可能避免在学习新样本的过程中，分类器丧失对原训练样本的识别能力，我们采用了以下技术：1、新样
本对分类器的影响是局部的，这可以通过限制分类器中各结点的作用范围来达到；2、保留～部分有代表性
的训练样本。实验结果证明该算法在育效识别新样本的同时对已学习样本也能保持很高的识别率，运算速
度快，消耗存储空间小。
关键词：增量学习最小距离分类器
AMINIMUM．DISTANCE
CLASSIFIERWITH
INCREMENTALLEARNINGCAPACITY
Tianxu
RongZhang‘11NongSang‘‘J ZhangL纠
‘uInstituteforPattern andArtificial
Recognition Intelligence
ofScienceand
HuazhongUniversity Technology,Wuhan，430074
of ofEdueationfor and Control
‘qKeyLaboratoryMinistry ImageProcessingIntelligent
ofScienceand
HuazhongUniversity Technology。Wuhan，430074
Abstract：Inthisarticle。weintroduceakindofminimum-distancestructureofwhichmakeit
classifier,the
hasthe avoidtheclassifierthe
incremental forgctlearned while new
learningcapaeity．To sampleslearning
new asfollows：1．theeffectnew toclaSsifieris cltndoitwith
samples，weadopttechnique samples local。we
effectareaofnodesin a of showsthat
restricting classifier；2．remainpartrepresentativesamples．Theexperiment
our Call new while rateoflearned the of
algorithm samples hi曲recognize
recognize keeping samples，andspeed
is cost islow．
operationfast，theofmemory
Words：incrementalminimum-distanceclassifier
Key learning
1．引言
文档评论（0）