一种新高斯过程分类算法
来源期刊:控制与决策2014年第9期
论文作者:贺建军 张俊星 贾思齐 刘文鹏 许爽 崔艳秋
文章页码:1587 - 1592
关键词:高斯过程模型;二分类;后验概率;贝叶斯方法;
摘 要:由于需要利用高斯函数逼近潜变量函数的后验概率,传统高斯过程分类算法通常都存在计算复杂度高的问题.对此,提出一种新高斯过程分类算法.该算法的基本思想为:首先,利用Parzen窗方法估计出每个训练样本的后验概率;然后,通过所得到的后验概率将原始分类问题变换为回归问题;进而分析地得到潜变量函数后验概率的显式表达式,以避免逼近后验概率所面临的高计算复杂度问题.仿真实验结果表明,所提出的算法在分类精度上优于已有的高斯过程分类算法.
贺建军1,2,张俊星1,贾思齐3,刘文鹏1,许爽1,崔艳秋1
1. 大连民族学院信息与通信工程学院2. 大连理工大学电子信息与电气工程学部3. 立命馆大学情报理工学部
摘 要:由于需要利用高斯函数逼近潜变量函数的后验概率,传统高斯过程分类算法通常都存在计算复杂度高的问题.对此,提出一种新高斯过程分类算法.该算法的基本思想为:首先,利用Parzen窗方法估计出每个训练样本的后验概率;然后,通过所得到的后验概率将原始分类问题变换为回归问题;进而分析地得到潜变量函数后验概率的显式表达式,以避免逼近后验概率所面临的高计算复杂度问题.仿真实验结果表明,所提出的算法在分类精度上优于已有的高斯过程分类算法.
关键词:高斯过程模型;二分类;后验概率;贝叶斯方法;