来源：期刊VIP网 时间：
作者：常志朋;顾玉萍;陈闻鹤;
单位：安徽工业大学商学院;安徽工业大学复杂系统多学科管理与控制安徽普通高校重点实验室;安徽财经大学管理科学与工程学院;南京理工大学经济管理学院;
摘要：为提升马田系统的识别性能,本文利用度量学习理论对其进行改进。一是将传统协方差马氏距离改进为以度量矩阵为参变量的马氏距离函数,然后利用简单直接的KISSME度量学习算法估计一个最能反映数据间内在关系的度量矩阵,该度量矩阵可以使同类样本更紧凑、非同类样本更分离,这有助于提升马田系统的识别性能。二是基于拉近同类样本、推远非同类样本的思想,定义一个新的特征子集评估函数代替田口方法中的信噪比,这有助于筛选出可以提高马田系统识别性能的特征。改进后的马田系统仍然保持了原理简单、易于操作的优势。本文选取6个UCI数据集进行验证,得出改进后的马田系统在Accuracy、Specificity、G-means和降维率等方面均明显优于传统马田系统的结论。最后,本文通过返贫识别验证了改进后马田系统的可行性和有效性。
关键词：马田系统;;度量学习;;KISSME;;返贫识别
基金资助：国家自然科学基金项目(71673001);; 安徽省高校人文社会科学基金重大项目(SK2021ZD0034);; 安徽省普通高校重点实验室开放基金重点项目(CS2020-ZD02)~~
