| 一种基于数值逼近的KPCA改进算法 |
| |
| 作者姓名： | 赵英男 王水平 郑玉 |
| |
| 作者单位： | 南京信息工程大学 江苏省网络监控中心,南京,210044;南京信息工程大学 计算机与软件学院,南京,210044;南京信息工程大学 江苏省网络监控中心,南京,210044;南京信息工程大学 计算机与软件学院,南京,210044;南京信息工程大学 江苏省网络监控中心,南京,210044;南京信息工程大学 计算机与软件学院,南京,210044 |
| |
| 基金项目： | 国家自然科学基金(60702076);江苏高校优势学科建设工程资助项目 |
| |
| 摘 要： | 核方法广泛应用于模式识别等领域,但其存在着特征抽取效率和样本集的大小成反比的瓶颈问题.因此提出一种基于数值逼近的方法确定虚拟样本矢量,以此代替训练样本,提高KPCA(Kernel Principle Component Analysis)特征抽取效率.在确定虚拟样本矢量时,只需将样本矢量的初值设定为随机变量,算法实现简单、高效.在基准数据集上的实验结果显示该算法优于同类算法.
|
| 关 键 词： | 数值逼近 主成分分析 核主成分分析 特征提取 |
| 收稿时间： | 2011-07-20 |
|
| 点击此处可从《南京气象学院学报》浏览原始摘要信息 |
|
点击此处可从《南京气象学院学报》下载全文 |
|
