论文部分内容阅读
在模式分类中,多项式分类器(PC)是一个具有简化子空间特征的二项式多层神经网络,在输入中显示出超强的特性。本文提出了从特殊类别子空间提取特殊类别特征的多项式分类器(CFPC)。与其它普通的PC不一样,多项式分类器采用了单独的类别子空间。CFPC可以通过普通PC的组合以及投影距离的方式来检测。特殊类别特征对类别有较好的分割,特殊类别的合并和投影距离可进一步改善分离性。CFPC的连接权重是有效的,学习的分级意味着对训练样本正交误差的最小化。对于CFPC,我们通过手写体数字识别和NIST特殊数据库中的数字串识别