一种结合KPCA与PSO的模式去噪技术
利用KPCA进行模式去噪是近年来出现的一种基于机器学习的去噪技术,该方法通过核函数把原空间中的模式非线性映射到一个高维特征空间,在特征空间中进行主成分分析,以实现去噪。该技术实现的一个难点在于寻找特征空间中去噪后的模式在原空间中所对应的原像或近似原像。本文提出了一种利用粒子群优化算法(PSO)去寻找原像的技术,首先选择与去噪后的理想原像最近邻的若干训练样本点作为初始种群,然后迭代寻找原像或最佳近似原像。在USPS数据集上与传统的几种寻找原像的技术进行了比较,实验结果表明我们的方法更为有效;同时,基于PSO的方法具有易于理解、实现简单的优势。
核主成分分析 粒子群优化算 模式去噪
李建武 宿露
北京理工大学计算机科学技术学院智能信息技术北京市重点实验室,北京 100081
国内会议
北京
中文
1-6
2008-10-22（万方平台首次上网日期，不代表论文的发表时间）