论文部分内容阅读
在传统的统计模式识别中,由于单观测样本的分类受到样本数量的限制,导致最终的识别效果不够理想。针对这一不足,文中提出基于稀疏恢复的L_1范数多观测样本凸包分类算法,利用多张测试样本构成的凸包模型代替传统的单观测样本,通过计算观测样本凸包与各类训练样本凸包的距离进行分类。这在一定程度上改善了单观测样本分类的不足,经过实验对比分析证明了算法的可行性以及优越性。文中算法结果为多观测样本的分类提供了有效的理论基础。