【简介】博士后招聘网整理分享“合肥研究院在分类器研究方面取得进展”，浏览查询更多博士后招聘计划请访问博士后招聘网。

近期，中国科学院合肥物质科学研究院智能机械研究所副研究员桂杰在分类器研究方面取得进展，相关研究成果发表在IEEE Transactions on Cybernetics 上。

分类器是人工智能、机器学习、模式识别和数据挖掘领域的核心研究问题之一。在现有文献中，已有大量模式分类方法被提出，比如最近邻分类器、支持向量机和稀疏表示分类器。这些典型的、广泛使用的分类器是基于不同理论或应用需求而提出的。传统意义上，它们被看作是模式分类的独立的和特定的解，如何将它们统一地联系起来是亟待解决的问题。

桂杰提出了一个新颖的名为“代表向量机”的模式分类框架。其基本思想是：测试样本依据离它最近的代表向量进行分类。该框架的提出具有重大意义：一方面，代表向量机建立了一个经典分类器的统一框架，在此框架下，支持向量机、稀疏表示分类器、最近邻分类器、最近线分类器、最近面分类器、最近子空间分类器、最近中心分类器等经典分类器都可以看作是代表向量机的特例，它们的区别仅仅在于代表向量不同。因此，大量经典分类器的潜在关系能被揭示，这样能更好地理解模式分类。另一方面，该框架为启发设计新颖的和更鲁棒的分类器提供了可能。

文章基于代表向量机的框架提出了新颖的分类器“判别向量机”。给定一个测试样本，判别向量机首先找到它的k近邻，然后基于鲁棒的M算子和流形正则来执行分类。在大量可视识别任务如人脸识别、物体分类和行为识别中，判别向量机展现了优异的性能。

该研究工作得到了国家重大科学研究计划项目和国家自然科学基金等项目的支持。

论文链接

请您在邮件申请时在标题注明信息来自：博士后招聘网-boshihoujob.com，电话咨询时说明从博士后招聘网(www.boshihoujob.com)看到的博士后招聘信息。

声明：凡本网注明“来源：XXX”的文/图等稿件，本网转载出于传递更多信息及方便产业探讨之目的，并不意味着本站赞同其观点或证实其内容的真实性，文章内容仅供参考。如其他媒体、网站或个人从本网站转载使用，须保留本网站注明的“来源”，并自负版权等法律责任。作者如果不希望被转载或者联系转载等事宜，请与我们联系。邮箱：boshihoujob@163.com。