基于两阶段最小二乘回归的分类方法

关键词：鲁棒分类法 最小二乘回归 非线性二阶段 近邻表示系数 最小误差准则 

摘要：针对最小二乘回归分类法对原始数据进行分类时容易受到噪声样本影响的不足,利用系数增强的方法提出一种缓解噪声样本对表示系数影响的鲁棒分类法.该方法是一种两阶段最小二乘回归分类法:第一阶段通过最小二乘回归分类法获得表示系数,第二阶段强化近邻表示系数的作用得到表示系数.最后用最小误差准则对测试样本进行分类,利用核理论进一步提出非线性两阶段最小二乘回归分类法,并在4个常用人脸图像数据集上验证了该方法的有效性.

福州大学学报·自然科学版杂志要求:

{1}参考文献以作者亲自阅读的近期公开发表的文献为准(内部资料、待发表等不得列入)，论著类文稿的参考文献不超过10条，综述类文稿的参考文献不超过30条，其他类文稿的参考文献不超过5条。

{2}对于重要的或有争议的稿件，编辑委员会将在与编辑部之外的专门研究人员协商讨论后，最终决定是否录用，但只以文章质量为依据。

{3}来稿应是未曾公开发表的原创性稿件。

{4}文章大标题不超过20字，要简明、具体、可以概括全文，特别有必要的时候可以加副标题。

{5}正文标题层次分级：一般不超过4级。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社