基于文化算法的KPCA特征提取方法

• 作者: 柳桂国 顾幸生 黄海燕
• 来源期刊: 华东理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 文化算法 核主元分析(KPCA) 特征提取
• 年，卷（期）: 2008,（2）
• 所属期刊栏目: 信息科学与工程
• 页码范围: 256-260,300
• 页数: 6页
• 分类号: TP273
• 字数: 4537字
• 语种: 中文

摘要

如何选择最优或接近最优的核函数使分类错误率降低,是KPCA(Kenel Principle Com-portent Analysis)应用于特征提取的关键.本文在研究了文化算法(Cultural Algorithms,CA)相关文献的基础上,提出了一种训练核函数参数的文化算法流程,实现了KPCA和CA的集成,有效地提高了核函数的优化选择.仿真结果表明该方法具有较好的结果和更少的计算量.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	顾幸生	华东理工大学自动化研究所	258	2839	26.0	42.0
2	黄海燕	华东理工大学自动化研究所	17	187	7.0	13.0
3	柳桂国	华东理工大学自动化研究所	8	78	4.0	8.0