陈广花
- 作品数：4 被引量：7H指数：1
- 供职机构：扬州大学信息工程学院更多>>
- 发文基金：江苏省高校自然科学研究项目国家自然科学基金江苏省自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 一种多变量决策树的构造与研究被引量：7
- 2010年
- 单变量决策树算法造成树的规模庞大、规则复杂、不易理解,而多变量决策树是一种有效用于分类的数据挖掘方法,构造的关键是根据属性之间的相关性选择合适的属性组合构成一个新的属性作为节点。结合粗糙集原理中的知识依赖性度量和信息系统中条件属性集的离散度概念,提出了一种多变量决策树的构造算法(RD)。在UCI上部分数据集的实验结果表明,提出的多变量决策树算法的分类效果与传统的ID3算法以及基于核方法的多变量决策树的分类效果相比,有一定的提高。
- 陈广花王正群刘风俞振州
- 关键词：决策树粗糙集属性依赖度离散度
- 基于局部均值的边界鉴别分析方法
- 2010年
- 提出一种基于局部均值的监督降维算法.找出与每一个样本点同类最远的k1个近邻的均值和异类最近的k2个近邻的均值,构造反映类内散布和类间散布的矩阵,由特征值分解确定特征提取变换.该方法使不同类别样本点之间的边界在投影子空间尽可能扩大,保留了数据的邻域结构,具有较强的模式可分离性.通过在ORL和YALE两个标准人脸数据库上与其他降维算法的对比识别实验,证实了算法的有效性.
- 俞振洲王正群陈广花张国庆王颖静
- 关键词：流形学习人脸识别
- 基于类别信息的分类器集成方法Cagging
- 2008年
- 提出一种基于类别信息的分类器集成方法Cagging。基于类别信息重复选择样本生成基本分类器的训练集,增强了基本分类器之间的差异性;利用基本分类器对不同模式类的分类能力为每个基本分类器设置一组权重,使用权重对各分类器输出结果进行加权决策,较好地利用了各个基本分类器之间的差异性。在人脸图像库ORL上的实验验证了Cagging的有效性。此外,Cagging方法的基本分类器生成方式适合于通过增量学习生成集成分类器,扩展Cagging设计了基于增量学习的分类器集成方法Cagging-I,实验验证了它的有效性。
- 刘风王正群陈广花
- 关键词：分类器类别信息分类器集成
- 相异度导引的有监督鉴别分析方法
- 2011年
- 提出了相异度导引的有监督鉴别分析方法(D-SDA)。结合模式局部信息和全局信息,定义了类内散度权重矩阵R^W和类间散度权重矩阵R^B,分别表示类内样本的相异度、类间样本的相异度。由R^W、R^B导出类内散度矩阵S^W和类间散度矩阵S^B,根据Fisher鉴别准则函数确定最优变换矩阵。在YALE和AR人脸图像库上的实验验证了这一算法的有效性。
- 俞振洲王正群陈广花
- 关键词：FISHER判别准则相异度人脸识别
