文献类型：期刊文章

作　　者：毛毅[1] 陈稳霖[2] 郭宝龙[1] 陈一昕[2]

机构地区：[1]西安电子科技大学机电工程学院智能控制与图像工程研究所,中国西安710071 [2]圣路易华盛顿大学计算机工程学院圣路易63130.美国

出　　处：《自动化学报》

基　　金：国家自然科学基金(61105066,61201290,61305041,61305040)资助~~

年　　份：2014

卷　　号：40

期　　号：1

起止页码：62-72

语　　种：中文

收录情况：BDHX、BDHX2011、CSCD、CSCD2013_2014、EI(收录号：20141017419954)、IC、INSPEC、JST、MR、PUBMED、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：介绍了一种基于密度的逻辑回归(Density-based logistic regression,DLR)分类模型以解决逻辑回归中非线性分类的问题.其主要思想是根据Nadarays-Watson密度估计将训练数据映射到特定的特征空间,然后组建优化模型优化特征权重以及Nadarays-Watson密度估计算法的宽度.其主要优点在于:它不仅优于标准的逻辑回归,而且优于基于径向基函数(Radial basis function,RBF)内核的核逻辑回归(Kernel logistic regression,KLR).特别是与核逻辑回归分析和支持向量机(Support vector machine,SVM)相比,该方法不仅达到更好的分类精度,而且有更好的时间效率.该方法的另一个显著优点是,它可以很自然地扩展到数值类型和分类型混合的数据集中.除此之外,该方法和逻辑回归(Logistic regression,LR)一样,有同样的模型可解释的优点,这恰恰是其他如核逻辑回归分析和支持向量机所不具备的.

关 键 词：非线性分类  Nadarays—Watson密度估计  逻辑回归 核函数

分 类 号：O212.1]