正则化FDA的核化及与SVM的比较研究

• 作者: 于春梅 张洪才 潘泉 程咏梅
• 来源期刊: 计算机应用研究
• 关键词: 正则化 Fisher判别分析 核方法 凸优化 支持向量机
• 年，卷（期）: 2010,（3）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 897-898,906
• 页数: 3页
• 分类号: TP18
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2010.03.024

摘要

无论是Fisher判别分析(FDA)还是基于核的FDA(KFDA),在小样本情况下都会面临矩阵的病态问题,正则化技术是解决该问题的有效途径.为了便于研究正则化FDA与支持向量机(SVM)的关系,推导了一种正则化FDA的核化算法.将约束优化问题转换为对偶的优化问题,得到了与SVM相似的形式,分析了该核化算法与SVM的联系.针对Tenessee-Eastman(TE)过程的故障诊断结果表明,正则化KFDA的诊断效果明显好于LS-SVM.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	潘泉	西北工业大学自动化学院	544	9437	45.0	77.0
2	程咏梅	西北工业大学自动化学院	266	3802	27.0	51.0
3	张洪才	西北工业大学自动化学院	243	5379	38.0	64.0
4	于春梅	西北工业大学自动化学院	6	64	4.0	6.0