基于伪柯西类核函数的主成分降维方法

• 作者: 刘文博 梁盛楠
• 来源期刊: 东北师大学报（自然科学版）
• 关键词: 核降维 伪柯西类核函数 分类预测 高维数据
• 年，卷（期）: 2021,（3）
• 页码范围: 30-35
• 页数: 6页
• 分类号: O212
• 语种: 中文
• DOI: 10.16163/j.cnki.22-1123/n.2021.03.006

摘要

构造了伪柯西类核函数并给出了相应的理论证明.利用伪柯西类核函数对4个癌症基因表达数据集进行降维,然后利用支持向量机、K近邻和朴素贝叶斯进行分类预测.实验结果表明,与高斯核、多项式核、双曲正切核降维以及全变量情形相比,在多数情况下,基于伪柯西类核函数进行的维度约减,可使得目前主流机器学习方法的分类精度达到最优.