基于模糊隸屬度的最優(yōu)間隔分布矩陣分類器

打開文本圖片集

摘要：

提出了一種模糊最優(yōu)間隔分布矩陣分類器（Fuzzy Optimal-margin Distribution Matrix Classifier， FODMC）。 該模型通過整合模糊隸屬度理論與間隔分布優(yōu)化機制， 實現(xiàn)了矩陣結構信息的有效提取與異常值的魯棒處理。 具體而言， FODMC采用基于間隔分布的損失函數(shù)來優(yōu)化分類邊界， 結合核范數(shù)正則化策略保持矩陣的低秩特性， 并利用交替方向乘子法（Alternating Direction Method of Multipliers， ADMM）實現(xiàn)模型的高效訓練。（剩余13646字）