线性与非线性主成分分析和独立成分分析数据降维的比较

摘要：

近几年来,支持向量机(SVM)逐渐成为模式识别的一项重要手段,在识别过程中,特征提取是最初的一步,而经典的支持向量机模型在对高维数据,大样本的处理过程中速度慢,精度低,从而使得数据降维显得尤为重要.本文将列举几种降维算法,包括经典主成分分析,非线性主成分分析,独立成分分析以及非线性独立成分分析,并对这几种方法进行比较,给出实验数据.结果显示非线性方法要好于线性方法,独立成分分析要好于主成分分析.

关键词： 主成分分析 独立成分分析 支持向量机 模式识别

作者: 李杰 高大启

作者单位: 华东理工大学信息学院,上海,200237

会议类型: 国内会议

会议名称: 2006北京地区高校研究生学术交流会

会议地点: 北京

会议语种:中文

页码: 1019-1023

在线出版日期: 2006-12-22（万方平台首次上网日期，不代表论文的发表时间）