提升KPCA方法特征抽取效率的算法设计 |
| |
作者姓名: | 徐 勇 杨静宇 陆建峰 |
| |
作者单位: | 南京理工大学计算机科学与技术系, 南京 210094;南京理工大学计算机科学与技术系, 南京 210094;南京理工大学计算机科学与技术系, 南京 210094 |
| |
基金项目: | 国家自然科学基金资助项目(60072034) |
| |
摘 要: | 在PCA基础上发展出的KPCA方法能抽取样本的非线性特征分量。然而, 基于KPCA的特征抽取需计算所有训练样本与待抽取特征的样本间的核函数, 因此, 训练集的大小制约着特征抽取的效率。为了提高效率,假设特征空间中变换轴可由一部分训练样本(节点)线性表出,并设计了改进的KPCA算法(IKPCA)。该算法抽取某样本特征时,只需计算该样本与节点间的核函数即可。实验结果显示,IKPCA在对应较好性能的同时,具有明显的效率上的优势。
|
关 键 词: | KPCA;IKPCA;特征抽取;特征空间 |
|
| 点击此处可从《中国工程科学》浏览原始摘要信息 |
|
点击此处可从《中国工程科学》下载全文 |
|