一种基于感知器样本空间划分方法.PDFVIP

第25卷第2期 计算机仿真 2008年2月 文章编号：1006-9348(2008)02-0096—04 一种基于感知器的样本空间划分方法 丛种，吕宝粮 (上海交通大学计算机科学与工程系。上海200240) 摘要：二类分类问题足机器学习中的最基本的一类重要问题。目前广泛使用的，也是最为有效的学习算法是支持向量机 (SVM)。然而对于某些非线性分类问题，SVM还不能给出令人满意的解，因此希望能找到一种方法对SVM解决非线性分 类问题的能力加以改进。对二类分类问题，提出一种基于感知器的样本空间划分方法。该方法首先用感知器提取样本的分 布信息，将整体问题划分为局部空间中的分类问题，而后使用SVM求出各个局部问题的最优分界面，并用最小最大模块化 网络对局部分界面进行综合，得到问题的全局解。仿真实验表明，新方法能够有效地分析样本空间，提取样本分布信息，在 测试数据上得到了比原有方法更好的准确率。新方法实现了预期的目标，提高了分类器处理非线性分类问题的能力。 关键词：感知器；支持向量机；模式识别；样本空间分析；最小最大模块化网络 中图分类号：TP391文献标识码：A Partitionof with SampleSpacePerceptrons CONG Chong．LUBao—Liang of Scienceand (DepartmentComputer En6neering，ShanghmJiaotong classificationisafundamentalinmachine used ABSTRACT：Binary problem learningarea．Currently，thewidely and methodis vector all— best performinglearning supportmachine(SVM)．However，SVMcannot西vesatisfactory swertosomenon—linear nc¨ff to SVM’S onnon—linear is problems．Aapproachimproveability problemsexpected． on classification novel methodbasedon is Focusingbinary problems，asamplespaceanalyzing perceptIonproposed． Themethodstart8from distribution dividestheoverall intoaseriesof10- extractingsample information，and problem cal local with thelocal withthe SVM，and problems．Thenfindingoptimizedseparator finallycombiningseparators minimizationandmaximizationto theoverallclassifier．The t