论文部分内容阅读
图嵌入方法为结构化模式识别问题转化为统计模式识别问题搭建了桥梁。而随着训练样本集规模的增加,为避免图嵌入时的"维度灾难"现象,对训练样本集进行原型选择是十分必要的。因此,本文提出一种基于类内和类间相均衡的原型选择方法,该方法通过对训练样本上的每一类的类内和其他类进行均衡化处理,分别选出每个类上依据均衡化程度排列的原型。实验表明,与未进行原型选择策略相比,本方法能较为有效地降低了图嵌入时的空间维度,且具有较高的分类精度。