传统的矢量化分类器应该包含类结构信息,但会忽略单个模式的单个结构。 相比之下,矩阵化分类器应该同时考虑类和单个结构,因此比矢量化分类器具有更好的性能。 在本文中,我们探索了一种中间粒度,称为类与个体之间的簇,并将簇的结构(即每个类内的结构)引入矩阵化的分类器设计中。 这样做可以从全局到点同时使用类,群集和单个结构。 因此,本文提出的分类器设计具有三层结构信息,可以使分类性能提高。 在实践中,我们采用Ho-Kashyap算法的修改,以误分类误差(MHKS)的平方近似为学习范式,并开发了三重结构的M