| 提升KPCA方法特征抽取效率的算法设计 |
| |
| 引用本文： | 徐 勇,杨静宇,陆建峰.提升KPCA方法特征抽取效率的算法设计[J].工程科学,2005,7(10):38-42. |
| |
| 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《工程科学》浏览原始摘要信息 |
| 点击此处可从《工程科学》下载免费的PDF全文 |
|
