高维数据正定核与不定核的KPCA变换阵比较  

Comparison of KPCA transformation matrices with definite and indefinite kernels for high-dimensional data

作　　者：崔燕[1] 范丽亚[1] 

机构地区：[1]聊城大学数学科学学院,山东聊城252059

出　　处：《山东大学学报（工学版）》2011年第1期17-23,39,共8页Journal of Shandong University（Engineering Science）

基　　金：国家自然科学基金资助项目(10871226);山东省自然科学基金资助项目(ZR2009AL006)

摘　　要：两步降维的核主成份分析(kernel principal component analysis,KPCA)+线性判别式分析(linear discriminantanalysis,LDA)法中,第一步KPCA变换阵的选取影响数据的分类结果。对线性不可分问题首先研究了正定核KPCA+LDA中KPCA变换阵的选取对分类结果的影响;其次,将正定核推广到不定核,研究了不定核KPCA+LDA中KPCA变换阵的选取对分类结果的影响;最后通过实验加以分析和验证。The transformation matrices in the first stage of two-stage dimension reduction KPCA（kernel principal component analysis）＋LDA（linear discriminant analysis） influenced the classification results of data.For linear non-separated problems,the influence of the transformation matrices in the first stage of KPCA＋LDA to the classification results with definite kernels and then with indefinite kernels was first studied.In addition,experiments were provided for analyzing and illustrating the results.

关 键 词：主成份分析 线性判别式分析 正定核 不定核 降维变换阵 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]