论文部分内容阅读
针对面向矩阵模式分类器设计（matrix-pattern-orientedclassifierdesign,MatCD）没有考虑到先验类间判别信息的不足,提出了一种新的面向矩阵型分类器设计的学习框架。首先通过把每一类分别使用K-means进行聚簇;然后使不同类的簇的中心之间的距离最大化,从而设计出正则化项RBC;最后把RBC嵌入到MatCD中。实验结果表明,提出的新的面向矩阵型分类器设计的框架提高了MatCD的分类性能,同时表明RBC的有效性。