一种融合核优化算法  

Fusion kernel optimization algorithm

作　　者：陈渤[1] 刘宏伟[1] 保铮[1] 

机构地区：[1]西安电子科技大学雷达信号处理重点实验室,陕西西安710071

出　　处：《西安电子科技大学学报》2007年第4期509-513,582,共6页Journal of Xidian University

基　　金：国家自然科学基金资助(60302009)

摘　　要：将Xiong等提出的单核优化算法改进为一种能够进行多核学习的融合核核优化算法.该算法使用了依赖数据变化的核函数,通过最大化核Fisher准则,能够学习出不同特性的核函数的融合系数.为了验证所提方法的有效性,将其应用到核主分量分析(KPCA)的核优化中,在合成数据和实测雷达高分辨一维距离像数据的基础上对KPCA提取特征的分类性能进行了评估,实验结果说明了提出的方法改进了最后的分类性能.A fusion kernel optimization algorithm based on the fusion kernel is presented, which improves the method by Xiong et. al. The proposed method uses a data-dependent kernel to maximize the kernel Fisher criterion, so that the different kernels can be fused. Then the method is employed to optimize the kernel of KPCA and the evaluation of the classification performance based on the toy data and measured radar high range resolution profile （HRRP） data show the greater efficiency of our method.

关 键 词：核函数机 类可分性 经验特征空间 核函数优化 高分辨一维距离像 

分 类 号：TN959.17[电子电信—信号与信息处理]