基于核熵成分分析的数据降维

• 作者: 施俊 钟瑾 黄丽瑾
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 降维 核熵成分分析 核主成分分析 支持向量机
• 年，卷（期）: 2012,（2）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 175-177
• 分类号: TN911.72
• 字数: 3249字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2012.02.057

摘要

针对高维数据的维灾问题,采用核熵成分分析方法降维数据,并与主成分分析及核主成分分析方法进行对比.降维后的数据利用支持向量机算法进行分类,以验证算法有效性.实验结果表明,KECA在较低的维数时仍然能获得较好的分类精度,可以减少后续的处理复杂度和运行时间,适用于机器学习、模式识别等领域.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	施俊	上海大学通信与信息工程学院	36	309	8.0	17.0
2	黄丽瑾	上海大学通信与信息工程学院	1	12	1.0	1.0
3	钟瑾	上海大学通信与信息工程学院	8	42	4.0	6.0