因素空间理论下基点分类算法研究

目前,基于因素空间理论的背景基提取算法计算过程复杂,初始化必须依赖各因素极值,基点数量提取冗余等原因,未能在应用中取得很好效果.为此,结合内点判别法和知识可继承、可扩展的思想,提出一种计算简单、初始化独立、基点数量小的改进的背景基提取算法.然后,利用改进的背景基提取算法构造出一种全新的数据分类算法——基点分类算法,基点分类算法以提取每一类样本的背景基为预测模型,再通过新定义的λ-背景基,优化预测模型.数值实验表明:基点分类算法原理简单、构造难度小、分类模型泛化能力强,预测能力准确率高,同时严格的模型限定区域又能为识别新类别提供新方法.