要解决的问题:为了高效地减小特征空间的尺寸,以实现高精度,高速和节省内存的目的,以解决高维特征空间中识别处理中识别率的下降,计算量,并增加使用记忆。解决方案:一种方法通过使用特征模式组来生成二次字典,从而通过多项式神经网络使二次函数倾斜,从而通过选择存储二次函数主要成分的部分空间来减小特征空间的维数。初始系数设定步骤42和系数校正步骤43通过梯度下降方法或概率梯度下降方法校正系数,使得当将二次函数用作识别函数时,损失函数的值变小。 。基本矢量导出步骤44以二次函数的二次项和线性项的系数的二次形式导出矩阵的特征向量。接下来,投影矩阵推导步骤45在特征向量和系数向量中选择一个或多个向量作为主要成分,并产生由所选择的向量产生的部分空间作为新的特征空间。
版权:(C)2010,日本特许厅&INPIT
公开/公告号JP5207870B2
专利类型
公开/公告日2013-06-12
原文格式PDF
申请/专利权人 日立コンピュータ機器株式会社;
申请/专利号JP20080202125
申请日2008-08-05
分类号G06N3;G06T7;G06N3/08;
国家 JP
入库时间 2022-08-21 17:00:23