一种特征提取新方法及与PCA、KPCA的关系研究
提出了一种利用最小二乘支持向量回归机(LSSVR)实现的高维数据特征提取新方法。首先,通过对训练样本特征的特殊扩展,将最优投影向量的数学表达推导成与LSSVR算法相同的形式。这样就可以通过对数据集回归,求取最优投影向量。再利用核技巧,将数据集由输入空间映射到高维特征空间,用线性方法实现非线性特征提取。最后,从理论证明了:1)所提方法的线性特征提取与主元分析(PCA)方法结果完全一致。2)相对于PCA,所提方法更适合高维数据的情况。3)所提方法的非线性特征提取与KPCA完全等价,是从另一角度对KPCA的解释。
特征提取 支持向量回归机 主元分析 非线性
吴德会
数字控制技术与应用江西省重点实验室,江西九江332005;清华大学电机工程与应用电子技术系,北京 100084
国内会议
北京
中文
50-55
2008-10-22（万方平台首次上网日期，不代表论文的发表时间）