近期，中國科學院合肥物質科學研究院智能機械研究所副研究員桂杰在分類器研究方面取得進展，相關研究成果發表在IEEE Transactions on Cybernetics 上。

　　分類器是人工智能、機器學習、模式識別和數據挖掘領域的核心研究問題之一。在現有文獻中，已有大量模式分類方法被提出，比如最近鄰分類器、支持向量機和稀疏表示分類器。這些典型的、廣泛使用的分類器是基于不同理論或應用需求而提出的。傳統意義上，它們被看作是模式分類的獨立的和特定的解，如何將它們統一地聯系起來是亟待解決的問題。

　　桂杰提出了一個新穎的名為“代表向量機”的模式分類框架。其基本思想是：測試樣本依據離它最近的代表向量進行分類。該框架的提出具有重大意義：一方面，代表向量機建立了一個經典分類器的統一框架，在此框架下，支持向量機、稀疏表示分類器、最近鄰分類器、最近線分類器、最近面分類器、最近子空間分類器、最近中心分類器等經典分類器都可以看作是代表向量機的特例，它們的區別僅僅在于代表向量不同。因此，大量經典分類器的潛在關系能被揭示，這樣能更好地理解模式分類。另一方面，該框架為啟發設計新穎的和更魯棒的分類器提供了可能。

　　文章基于代表向量機的框架提出了新穎的分類器“判別向量機”。給定一個測試樣本，判別向量機首先找到它的k近鄰，然后基于魯棒的M算子和流形正則來執行分類。在大量可視識別任務如人臉識別、物體分類和行為識別中，判別向量機展現了優異的性能。

　　該研究工作得到了國家重大科學研究計劃項目和國家自然科學基金等項目的支持。

　　論文鏈接

(a) 最近線分類器 (b) 最近面分類器 (c) 代表向量機