特征向量的归一化比较性研究

被引:48
作者
肖汉光 [1 ]
蔡从中 [2 ]
机构
[1] 重庆工学院数理学院
[2] 重庆大学数理学院
关键词
归一化; 特征向量; 参数优化; 支持向量机;
D O I
暂无
中图分类号
TP391.4 [模式识别与装置];
学科分类号
0811 ; 081101 ; 081104 ; 1405 ;
摘要
特征提取和分类器的参数优化是提高分类准确率的主要途径,对公用数据库UCI的相关数据进行特征向量的归一化处理,采用KNN、PNN和SVM进行分类。讨论了特征归一化对分类准确率和分类器参数的影响。实验结果表明:归一化能有效提高分类器的分类准确率,SVM尤为明显,且参数的寻优范围缩小,缩短训练周期。
引用
收藏
页码:117 / 119
页数:3
相关论文
共 3 条
[1]   基于归一化背景方向特征的脱机手写汉字识别 [J].
王先梅 ;
王宏 ;
王粉花 .
计算机工程与应用 , 2007, (30) :190-192
[2]   基于小波子带图像的人脸光照归一化方法 [J].
刘小平 ;
赖剑煌 ;
张智斌 .
中山大学学报(自然科学版), 2007, (05) :25-28
[3]   关于统计学习理论与支持向量机 [J].
张学工 .
自动化学报, 2000, (01) :36-46