PKPCA:融合先验类别信息的非线性主元分析算法

• 作者: 李平 王海清 解应春
• 来源期刊: 电路与系统学报
• 学科: 工学
• 关键词: KPCA KFD 重构样本库 分类
• 年，卷（期）: 2003,（6）
• 所属期刊栏目: 论文
• 页码范围: 95-99,81
• 页数: 6页
• 分类号: TP274
• 字数: 4243字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-0249.2003.06.021

摘要

本文提出了一种新的具有先验类别信息的非线性主元分析算法:PKPCA(Priori Kernel Principal Component Analysis),通过将样本类内差和类间差融入总体方差中,从而达到更好的分类目的.提出重构样本库的概念及构建算法,获得稀疏样本库,减少特征向量维数.可以证明KPCA(Kernel Principal Component Analysis)和KFD(Kernel Fisher Discriminant)是PKPCA参数取极限的两个特例.同时可以克服KFD只能求得(类别数-1)个特征向量的不足.最后,利用构造的函数类对第一个主元的分类能力进行仿真分析,以及对信用卡、天文、疾病等数据进行实验分析,表明本算法明显优于KPCA算法,获得了满意的分类效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李平		30	585	15.0	24.0
2	王海清		15	357	10.0	15.0
3	解应春		3	8	2.0	2.0