一种基于数值逼近的KPCA改进算法

• 作者: 王水平 赵英男 郑玉
• 来源期刊: 南京信息工程大学学报
• 学科: 工学
• 关键词: 数值逼近 主成分分析 核主成分分析 特征提取
• 年，卷（期）: 2012,（4）
• 页码范围: 362-365
• 分类号: TP391
• 字数: 2896字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-7070.2012.04.012

摘要

核方法广泛应用于模式识别等领域,但其存在着特征抽取效率和样本集的大小成反比的瓶颈问题.因此提出一种基于数值逼近的方法确定虚拟样本矢量,以此代替训练样本,提高KPCA( Kernel Principle Component Analysis)特征抽取效率.在确定虚拟样本矢量时,只需将样本矢量的初值设定为随机变量,算法实现简单、高效.在基准数据集上的实验结果显示该算法优于同类算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑玉	南京信息工程大学江苏省网络监控中心	15	318	5.0	15.0
5	赵英男	南京信息工程大学江苏省网络监控中心	19	121	6.0	10.0
9	王水平	南京信息工程大学江苏省网络监控中心	15	90	6.0	9.0