两种核鉴别共同向量算法的比较
非线性核鉴别共同向量(KDCV)有两种算法:一种是对核空间中的核样本实施DCV算法,实际计算没有采用QR分解,称为KDCV/NQR算法;另一种是对核矩阵的各个列实施DCV算法,采用了QR分解,称为KDCV/QR算法.本文揭示了这两种算法的区别与联系.根据KDCV/NQR算法与KDCV/QR算法的实质形式,通过理论分析对两种算法之间的联系与区别进行了深入探讨.理论分析表明,KDCV/NQR算法与KDCV/QR算法得到的鉴别矩阵并不相同,但它们所在的空间通过核映射一一对应;实验结果表明,KDCV/QR算法在运算时间上占有优势.本文通过理论分析揭示了KDCV/NQR算法与KDCV/QR算法得到的鉴别矩阵所在的空间通过核映射一一对应,但两者之间并不能通过核映射对应;同时,KDCV/QR算法只采用了QR分解,更适用于大样本场合.
模式识别 核鉴别共同向量算法 鉴别矩阵 核映射
程正东 邵良峰 樊祥 朱斌
脉冲功率激光技术国家重点实验室,合肥230037;合肥电子工程学院,合肥230037 合肥电子工程学院,合肥230037
国内会议
珠海
中文
738-744
2014-11-14（万方平台首次上网日期，不代表论文的发表时间）