论文部分内容阅读
在有监督学习中,每类数据具有独特的特性且类与类之间是独立的.受此启发,提出了基于等同邻域的投影算法.新算法通过计算一组基函数为每类数据在低维空间中寻找高度对称的等同邻域空间.等同邻域可以通过构建正则单纯形得到,基函数可以通过凸优化得到.对于测试样本,可以通过基函数映射到低维的等同邻域空间,与各等同邻域空间中心的距离决定其类别归属,而不必计算与所有训练样本间的距离.实验证明了新方法的有效性.