一种KPCA的核优化算法
基于核的主分量分析(KPCA)能够提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性估计的核参数优化算法。该方法基于KPCA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，提出一种多维变量的非高斯性的估计方法.通过对特征空间中数据的非高斯性进行分析，从而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进行实验都有很好的效果，表明了该方法的有效性。
主分量分析 特征子空间 最大熵原则 优化算法 核优化 高斯分布
赵峰 张军英
山东工商学院计算机学院 264005 西安电子科技大学计算机学院 710071
国内会议
山东烟台
中文
1107-1111
2008-10-31（万方平台首次上网日期，不代表论文的发表时间）