通过对最小和最大Hausdorff距离的分析,提出混合Hausdorff距离将它们融合在一起以弥补任意单一Hausdorff距离的缺陷,并基于混合Hausdorff距离设计多示例学习近邻分类器。采用近邻分量分析模型能够优化混合Hausdorff距离中的权系数,从而得到在近邻分类准则下最优的混合Hausdorff距离。结果表明:相对于任意单一Hausdorff距离,基于混合Hausdorff距离的多示例学习近邻分类器通常能够获得更高的识别精度。
科研之友
微信
新浪微博
Facebook
分享链接
