TY -的A2周栓盟——彭,海滨住宅盟——张陆盟——刘石岗AU -王,西丽AU -国,民PY - 2017 DA - 2017/12/10 TI -内核负面ε拖动线性回归模式分类SP - 2691474六世- 2017 AB -线性回归(LR)及其变体已经广泛用于分类问题。然而,他们通常预先确定一个严格二进制标签符合样本矩阵没有自由。此外,他们无法处理复杂的真实世界的应用,如人脸识别的情况下,可能不是线性可分的样本由于不同姿势,表情,和照明条件。因此,在本文中,我们提出了内核的负面 ε 拖动线性回归(KNDLR)健壮的分类方法对噪声和非线性数据。首先,技术的负面 ε 拖了放松类标签和集成到LR模型分类妥善治疗类的传统线性回归获得强大的结果。然后,隐式映射到一个高维数据内核空间利用非线性映射由内核函数,使数据更线性可分的。最后,我们获得KNDLR方法可以部分缓解过度拟合的问题,可以执行分类对噪声和变形数据。实验结果表明,该KNDLR分类算法获得更好的泛化性能和带来更好的健壮的分类决策。SN - 1076 - 2787你——https://doi.org/10.1155/2017/2691474——10.1155 / 2017/2691474 JF - PB - Hindawi KW - ER -复杂性