Adaptive relevance matrices in learning vector quantization

We propose a new matrix learning scheme to extend relevance learning vector quantization (RLVQ), an efficient prototype-based classification algorithm, toward a general adaptive metric. By introducing a full matrix of relevance factors in the distance measure, correlations between different features...

Celý popis

Podrobná bibliografie

Vydáno v:	Neural computation Ročník 21; číslo 12; s. 3532
Hlavní autoři:	Schneider, Petra, Biehl, Michael, Hammer, Barbara
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	United States 01.12.2009
Témata:	Algorithms Artificial Intelligence Automatic Data Processing Brain - physiology Humans Information Theory Learning - physiology Probability Learning
ISSN:	0899-7667
On-line přístup:	Zjistit podrobnosti o přístupu
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!