LS-SVM的非线性特征提取新方法及与PCA的关系研究

• 作者: 吴德会
• 来源期刊: 小型微型计算机系统
• 学科: 工学
• 关键词: 最小二乘支持向量机 主成分分析 回归算法 特征提取 近红外光谱
• 年，卷（期）: 2008,（7）
• 所属期刊栏目: 人工智能与算法研究
• 页码范围: 1296-1300
• 页数: 5页
• 分类号: TP18
• 字数: 6460字
• 语种: 中文

摘要

提出一种基于最小二乘支持向量机(LS-SVM)的非线性特征提取新方法.先将线性特征提取公式表达成与LS-SVM回归算法中相同的形式;再根据SVM思想,将数据集由输入空间映射到高维特征空间,进而通过核技巧实现非线性特征提取.在理论上证明了所提特征提取方法的结果与PCA方法具有一致性,是传统PCA的一种对偶形式,更适合高维特征数据集的提取.最后,通过近红外光谱数据集特征提取实例验证了在上述条件下该方法的优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴德会	清华大学电机系电力系统国家重点实验室	66	721	15.0	23.0