Skip to main content
main-content

Tipp

Weitere Artikel dieser Ausgabe durch Wischen aufrufen

01.01.2015 | Original Article | Ausgabe 1/2015

Neural Computing and Applications 1/2015

Projection twin SMMs for 2d image data classification

Zeitschrift:
Neural Computing and Applications > Ausgabe 1/2015
Autoren:
Haitao Xu, Liya Fan, Xizhan Gao

Abstract

In this paper, we propose a matrix version extension for linear regularization projection twin support vector machine presented by Shao et al. (Knowl Based Syst 37:203–210, 2013), named as linear projection twin support matrix machine [linear projection twin support matrix machine (PTSMM)], for 2d image data classification. In order to discuss the nonlinear version of PTSMM, a new matrix kernel function is introduced and based on which, we provide a nonlinear PTSMM algorithm with a detailed theoretical derivation. To examine the effectiveness of the presented linear and nonlinear PTSMM, we perform comparative experiments with three linear classifiers support tensor machines, twin support tensor machine and proximal support tensor machine on ORL, YALE and AR databases. Experimental results show that our methods are effective and efficient.

Bitte loggen Sie sich ein, um Zugang zu diesem Inhalt zu erhalten

Sie möchten Zugang zu diesem Inhalt erhalten? Dann informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 58.000 Bücher
  • über 300 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb




Testen Sie jetzt 30 Tage kostenlos.

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 50.000 Bücher
  • über 380 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Maschinenbau + Werkstoffe​​​​​​​




Testen Sie jetzt 30 Tage kostenlos.

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 69.000 Bücher
  • über 500 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe

Testen Sie jetzt 30 Tage kostenlos.

Literatur
Über diesen Artikel

Weitere Artikel der Ausgabe 1/2015

Neural Computing and Applications 1/2015 Zur Ausgabe

Premium Partner

    Bildnachweise