基于核函数的非线性分类相关分析及其在化学模式识别中的应用

• 作者: 胡望明 许光 陈德钊 陶少辉
• 来源期刊: 分析化学
• 关键词: 核函数 非线性相关成分分析 化学模式识别 支持向量机 集成分类器
• 年，卷（期）: 2005,（1）
• 所属期刊栏目: 研究简报
• 页码范围: 50-53
• 页数: 4页
• 字数: 3170字
• 语种: 中文
• DOI: 10.3321/j.issn:0253-3820.2005.01.012

摘要

与统计分析和神经网络相比,基于结构风险最小的支持向量机有更好的分类性能.它用于非线性分类时,先将样本映射到更高维的特征空间,往往会增加复共线性与冗余信息,将影响样本分布,降低线性支持向量机分类器(LSVC)的预测性能.本研究提出非线性分类相关分析算法(NLCCA),利用核函数技术,无需了解非线性映射的算式,从特征空间的样本映像中提取分类相关成分,以消除冗余信息,改善样本分布.由此构建的NLCCA-LSVC集成分类器具有优良的预测性能.经模拟数据的测试,并实际用于两个复杂的化学模式识别问题,均取得令人满意的效果,也印证了算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈德钊	浙江大学化工系仿真中心	112	1957	24.0	38.0
2	胡望明	浙江大学化工系仿真中心	24	218	9.0	14.0
3	陶少辉	浙江大学化工系仿真中心	6	90	4.0	6.0
4	许光	浙江大学化工系仿真中心	5	82	4.0	5.0