一种提高Kernel PCA特征提取性能的核优化算法

摘要：

基于核的主分量分析(Kernel PCA、能够据取数据的非线性特征,但其性能受核参数的影响非常大。本文提出一种新的基于特征空间中非高斯分布估计的核参数优化算法。该方法基于Kemel PCA中最优的参数应能导致特征空间中数据具有高斯分布的思想。通过对特征空间中数据的非高斯件结构讲行分析，从反面估计其对高斯分布的逼近程度。采用该方法对模拟数据和真实数据讲行实验都有很好的效果，表明了该方法的有效件。

关键词： Kernel PCA特征提取 核参数优化 主分量分析 特征子空间 独立分量分析 最大熵原则 非线性特征

作者: 张军英 王毅娜

作者单位: 西安电子科技大学 计算机学院 陕西 西安 710071

会议类型: 国内会议

会议名称: 第七届全国信号与信息处理联合会议暨首届全国省(市)级图象图形学会联合年会

会议地点: 兰州

会议语种:中文

页码: 685-687

在线出版日期: 2008-07-20（万方平台首次上网日期，不代表论文的发表时间）