基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
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.
推荐文章
基于先验信息和谱分析的聚类融合算法
聚类融合
先验信息
成对限制
谱聚类
一种基于分级输入训练神经网络的非线性主元分析
非线性主元分析
分级输入自调整神经网络
主元个数
主元顺序
非线性主元分析故障检测和诊断方法及应用
多元统计分析
主元分析
间歇过程
故障检测和诊断
基于稀疏核主元分析的在线非线性过程监控
稀疏核主元分析
在线监控
非线性过程
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 PKPCA:融合先验类别信息的非线性主元分析算法
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
研究方向 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
五维指标
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
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (4)
节点文献
引证文献  (5)
同被引文献  (3)
二级引证文献  (3)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
1999(2)
  • 参考文献(2)
  • 二级参考文献(0)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2006(3)
  • 引证文献(3)
  • 二级引证文献(0)
2007(1)
  • 引证文献(1)
  • 二级引证文献(0)
2008(1)
  • 引证文献(0)
  • 二级引证文献(1)
2010(1)
  • 引证文献(1)
  • 二级引证文献(0)
2011(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
KPCA
KFD
重构样本库
分类
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电路与系统学报
双月刊
1007-0249
44-1392/TN
16开
广东省广州市
1996
chi
出版文献量(篇)
2090
总下载数(次)
5
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导