基于SSVM的递归统计不相关特征抽取算法

• 作者: 任世锦 吕俊怀 张晓光 王小林
• 来源期刊: 计算机学报
• 学科: 工学
• 关键词: 散度支持向量机(SSVM) 分类 特征抽取 统计不相关边界鉴别向量 主元分析(PCA)
• 年，卷（期）: 2011,（3）
• 页码范围: 443-451
• 分类号: TP391
• 字数: 6966字
• 语种: 中文
• DOI: 10.3724/SP.J.1016.2011.00443

摘要

文章旨在研究数据分布未知的高维、小样本问题的特征抽取算法.基于支持向量机原理和特征统计不相关思想,提出基于散度支持向量机(SSVM)的递归统计不相关特征抽取算法,解决现有算法抽取特征之问存在相关性、算法受到样本分布影响等问题.针对高维小样本问题,使用PCA把SSVM优化问题变换到同构低维空间;给出边界鉴别向量集的递归求取方法,把模式高维特征投影到边界鉴别向量集,实现了统计不相关特征的抽取:分析了算法的收敛性和终止条件.文中使用核方法把线性SSVM推广到非线性SSVM,通过KPCA方法把非线性SSVM优化问题转换到低维空间中的等价优化问题,在低维空间抽取不相关非线性特征.仿真结果证明了文中算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张晓光	中国矿业大学机电工程学院	174	1037	16.0	24.0
2	任世锦	徐州师范大学计算机学院	13	66	5.0	7.0
4	吕俊怀	徐州师范大学计算机学院	16	62	4.0	7.0
5	王小林	徐州师范大学计算机学院	6	67	3.0	6.0