%0 Journal Article
%T 贝叶斯先验约束下的混合判别方法*
%A 姚婷婷
%A 谢昭
%A 张骏
%A 高隽
%J 模式识别与人工智能
%P 193-201
%D 2015
%R 10.16451/j.cnki.issn1003-6059.201503001
%X 在有限样本下判别模型对训练样本敏感，易导致分类器学习结果泛化性能较弱，产生过拟合现象.针对上述问题，提出一种贝叶斯先验约束下的混合判别方法.通过在判别计算中引入生成先验分析，构建生成与判别模型在决策层的混合求解框架.该方法采用不同质分类器进行分类预测，并通过定义有效的融合机制进行样本筛选和标签决策，自动扩展训练集以更新模型，弥补训练样本信息的不完全性.有限样本下的场景分类实验结果表明，相比经典算法，该模型能够挖掘出具有高度判别特性的样本，从而进行有效的模型更新，纠正前期由于样本分布不均而导致的错分样本标签，提升场景分类精度.
%K 混合模型
%K 贝叶斯框架
%K 隐Dirichlet分配模型
%K 场景分类
%U http://manu12.magtech.com.cn/Jweb_prai/CN/abstract/abstract10318.shtml