一种改进的主成分分析特征抽取算法:YJ-MICPCA

• 作者: 罗幼喜 谢昆明
• 来源期刊: 武汉科技大学学报（自然科学版）
• 学科: 数学
• 关键词: 主成分分析 最大信息系数 Yeo-Johnson变换 特征抽取 降维 分类
• 年，卷（期）: 2019,（3）
• 页码范围: 220-226
• 页数: 7页
• 分类号: O213|O235
• 字数: 4998字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-3644.2019.03.010

摘要

针对主成分分析(PCA)假设数据服从高斯分布的条件以及只能处理特征之间线性关系的不足,提出一种基于Yeo-Johnson变换和最大信息系数(MIC)的PCA特征抽取算法,命名为YJ-MICPCA.通过Yeo-Johnson变换改善原始数据分布,使其近似服从高斯分布,并将PCA中计算协方差矩阵转化为计算MIC矩阵的平方,使其也能处理特征间存在的非线性关系.以UCI机器学习数据库中的11个数据集为实验对象,采用支持向量机、朴素贝叶斯模型、k近邻算法这3种分类器,比较了YJ-MICPCA与PCA及其他常用非线性降维方法LLE、Isomap、MSD、KPCA的降维效果和分类精度,结果表明YJ-MICPCA总体上优于其他几种算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	罗幼喜	湖北工业大学理学院	31	146	5.0	11.0
2	谢昆明	湖北工业大学理学院	3	2	1.0	1.0