作　　者： ; ;

机构地区： 华南理工大学土木与交通学院

出　　处： 《模式识别与人工智能》 2013年第8期761-768,共8页

摘　　要： 欧氏距离度量向量相似性时忽视向量各特征取值范围的差异性,从而影响学习向量量化(LVQ)算法及其变种的分类精确度.针对此问题,文中提出一种面向特征取值范围的向量相似性度量函数,并基于该度量函数与泛化学习向量量化算法得出一种面向特征数据范围的泛化学习向量量化算法(GLVQ-Range).使用UCI机器学习库中8组数据对比GLVQ-Range和传统其它LVQ变种算法,验证文中算法的分类准确性更高和运算速度更快.使用视频车型分类数据,验证GLVQ-Range在真实生产环境中的可用性. The difference of feature data range is ignored when Euclidean distance is used as a vector similarity metric. And thus, the classification accuracies of the traditional learning vector quantization algorithm （LVQ） and its variants are affected. To solve the problem, a vector similarity metric is proposed and based on this metric and generalized LVQ （GLVQ）, an algorithm, GLVQ-Range, is put forward. The classification accuracy and the computation speed of the proposed algorithm are tested on 8 datasets of UCI machine learning repository, compared with those of the traditional alternative LVQ algorithms. The practicability of the proposed algorithm in real production environment is verified on the video vehicle classification dataset.

关 键 词： 模式识别 学习向量量化 相似性度量 机器学习

领　　域： [自动化与计算机技术] [自动化与计算机技术]