为分类森林学习变换
计算机视觉与模式识别
2014-02-07 v2 机器学习
机器学习
摘要
本文为分类森林引入了一种基于变换的基学习器模型。分类树中每个分裂节点的弱学习器起着至关重要的作用。我们提出通过使用核范数作为优化准则，在子空间上学习线性变换来优化分裂目标。学习到的线性变换为来自同一类别的数据恢复了低秩结构，同时最大化不同类别之间的分离度，从而提升了分裂函数的性能。理论和实验结果支持了所提出的框架。
引用
@article{arxiv.1312.5604,
title = {Learning Transformations for Classification Forests},
author = {Qiang Qiu and Guillermo Sapiro},
journal= {arXiv preprint arXiv:1312.5604},
year = {2014}
}
备注
arXiv admin note: text overlap with arXiv:1309.2074