一种实现完全训练精度与卓越分类精度的非线性学习与分类算法
计算机视觉与模式识别
2014-11-03 v2 机器学习
摘要
本文综合并验证了一种快速的非线性、非迭代学习与分类算法。该算法名为“反向涟漪效应（R.R.E）”，可实现100%的学习精度，但在分类时计算开销较大。R.R.E是一种（确定性）算法，它在训练点上叠加高斯加权函数。本研究将R.R.E算法与已知的学习和分类技术/算法进行了比较，例如：感知器准则算法、线性支持向量机、线性Fisher判别器以及一个简单的神经网络。R.R.E算法的分类精度通过MATLAB仿真进行评估，并分析了该算法在线性可分与非线性可分数据集下的行为。在与神经网络的比较中，考虑了经典的异或（XOR）问题。
引用
@article{arxiv.1409.6440,
title = {A non-linear learning & classification algorithm that achieves full training accuracy with stellar classification accuracy},
author = {Rashid Khogali},
journal= {arXiv preprint arXiv:1409.6440},
year = {2014}
}
备注
43 Pages