科技期刊综合评价模型-KPCA  

Kernel PCA for Sci-tech Journals Evaluation

作　　者：张爱丽[1] 刘广利[1] 刘清水[1] 

机构地区：[1]中国农业大学,北京100083

出　　处：《计算机工程与应用》2003年第24期200-201,共2页Computer Engineering and Applications

基　　金：国家自然科学基金资助项目(编号:10071094)

摘　　要：论文提出了一种新的科技期刊综合评价模型:核主成分分析(KPCA)。通过一个非线性变换,KPCA首先将原变量空间映射到高维特征空间,然后在这个高维特征空间中进行线性主成分分析。通过核技巧,KPCA评价方法只需在原空间进行点积计算,而不必知道非线性变换的确切形式。十种科技期刊综合评价的实证表明,KPCA综合评价方法具有一定的实际应用价值。In this paper,a new method for performing a nonlinear form of Principal Component Analysis is proposed.By the use of kernel functions,one can efficiently compute principal components in high dimensional feature spaces,related to input space by some nonlinear map.By comprehensive evaluation to ten Sci-tech journals,KPCA has a good performing.

关 键 词：核主成分分析 综合评价 科技期刊 KPCA模型 高维特征空间 

分 类 号：TP39[自动化与计算机技术—计算机应用技术]