2) Optimal tree cluster
最小树分类
3) MCE
最小分类错误
1.
A Minimum Classification Error(MCE) criterion based sub-words weighting parameters estimation algorithm is proposed in which the sub-word weighting parameters are derived by the MCE training.
本文提出了一种基于最小分类错误准则(MCE)的子词权重参数估计算法,通过MCE训练得到子词的权重系数。
4) minimum classification error
最小分类误差
1.
Based on MultiBoost-a classification ensemble algorithm,this paper promotes the algorithm that can obtain the minimum classification error of MultiBoost by increment cross-validity so that under the specified size T of MultiBoost ensemble,it can find out the composite classifier with the minimum classification error.
基于MultiBoost分类组装技术,提出了一种用增量交叉验证技术求MultiBoost最小分类误差的算法,以使之在指定分类器数量T的范围内找出具有最小分类误差的合成分类器。
5) minimum distance classifier
最小距离分类器
1.
Improved minimum distance classifier — weighted minimum distance classifier;
最小距离分类器的改进算法——加权最小距离分类器
2.
Finally the recognition results are obtained by the general minimum distance classifier.
设计了一种基于图像分块的LDA(linear discriminant analysis)人脸识别方法,该方法从模式的原始数字图像出发,先对图像矩阵进行分块,然后对分块子图像进行LDA特征提取,从而得到能代替原始模式的低维新模式,最后再用最小距离分类器进行分类。
3.
A minimum distance classifier ensemble method based on adaptive distance metric was proposed.
提出了一种基于自适应距离度量的最小距离分类器集成方法,给出了个体分类器的生成方法。
6) Minimum classification error
最小分类错误
1.
Recently, many researchers pay more attention to an important classific ation method, which is called the discriminative learning method based on minimum classification error criterion.
介绍了一种近年来正被广泛重视的模式识别方法——基于最小分类错误准则的判别学习方法 ,讨论了该方法的基本原理及其可能的应用领
2.
One most popular technique is minimum classification error training.
隐马尔可夫模型的参数估计是研究的重点话题,其中一个主要的方法是最小分类错误。
补充资料：最小距离分类
按照模式与各类代表样本的距离进行模式分类的一种统计识别方法。在这种方法中，被识别模式与所属模式类别样本的距离最小。假定c 个类别代表模式的特征向量用R1,...,Rc表示,x是被识别模式的特征向量，|x-Ri|是x与Ri(i＝1,2,...,c)之间的距离，如果|x-Ri|最小，则把x分为第i类。在更复杂的情况下可以用各类的代表样本集合，而不仅仅是用一个样本作为最小距离分类的基础(见近邻法分类)。进行最小距离分类首先要为每个类别确定它的代表模式的特征向量，这是用这种方法进行分类效果好坏的关键。各类代表特征向量可以根据所研究对象的物理、化学、生物等方面的机理来确定，常用的方法是收集各类样本，用各类样本特征向量的平均向量作为各类代表模式的特征向量。其次要选择一种确定的距离度量以计算被识别模式与各类代表模式特征向量之间的距离。常用的距离有欧几里得距离、绝对值距离等。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条