基于多核学习的静态图像人体行为识别方法

提出一种基于广义性多核学习的静态图像人体行为识别方法。从图像中提取基于边缘的梯度方向直方图和基于稠密采样的尺度不变特征描述子,并使用空间金字塔模型加入粗略空间信息;运用直方图内交核函数计算金字塔模型各层核矩阵,通过广义性多核学习方法求解各个核矩阵权重,以线性组合方式得到最优核矩阵;最后利用多核学习决策函数进行行为识别。Willow-actions数据集实验结果表明,本文方法比其他几种方法更加有效。

基于KLCCF和SPG-GMKL的财务危机预警模型

财务危机预警至今仍是数据挖掘领域的研究热点,为了有效解决异构高维财务数据的挖掘,论文提出一种新的财务数据预测模型。此模型是在核局部一致的概念分解(KLCCF)的降维基础上构建广义多核学习(GMKL)分类模型。该模型很好地解决了复杂、高维、非线性的财务数据的分类问题,进而用于准确地预测财务困境。首先,核局部一致的概念分解较好地将高维非线性流形数据进行降维,得到有效的特征集,充分地展现数据流本质的几何结构。其次,谱投影梯度法(SPG)在步长设置上考虑二次信息,采用非单调步长选择准则减少评估函数的次数,它对梯度噪音具有较好的鲁棒性,进一步优化广义多核学习(GMKL)模型。最后,实验显示基于KLCCF的SPG-GMKL分类模型优于SVM分类器,具有较高的分类准确性,有效地解决了高维异构财务数据的分类问题。