论文部分内容阅读
针对一类分类马氏椭球学习机当训练样本点比较少而待分类的样本点比较多时,分类精度不高,系统适应性不强的问题,提出直推式一类分类马氏椭球学习机。为解决上述问题,在训练过程中利用已知的训练样本点和待分类的样本点的信息,将待分类样本点逐渐加入到学习机中,并能有效地利用历史训练结果对其进行识别和分类,具有增量学习的特点。与一类分类马氏椭球学习机相比,方法能在很小的训练样本集规模下提高学习机的分类精度,从而使系统的适应性更好。仿真数据和真实数据的实验表明直推式一类分类马氏椭球学习机能大幅度地提高学习的精度。