| 采用核聚类分析的KPCA改进算法 |
| |
| 引用本文： | 邓貌,陈旭,陈天翔,王徽蓉,鲁华祥. 采用核聚类分析的KPCA改进算法[J]. 智能系统学报, 2010, 5(3): 221-226. DOI: 10.3969/j.issn.1673-4785.2010.03.003 |
| |
| 作者姓名： | 邓貌 陈旭 陈天翔 王徽蓉 鲁华祥 |
| |
| 作者单位： | 1. 中国科学院,半导体研究所,北京,100083
2. 厦门理工学院,电子与电气工程系,福建,厦门,361005 |
| |
| 基金项目： | 国家"863"计划资助项目，国家自然科学基金资助项目，福建省自然科学基金资助项目，厦门市科技计划资助项目 |
| |
| 摘 要： | 为了解决核主分量分析方法处理大训练样本集时计算代价巨大的问题,在采用子集划分的KPCA算法基础上,提出采用核聚类划分子集,并用每个子集的协方差矩阵的特征值累积贡献率作为标准来选取相应的特征向量.分别在人工和实际数据集上测试,实验结果显示在同一累积贡献率和给定子集个数的条件下,采用核聚类划分子集总能得到较小尺寸的核矩阵,而核矩阵尺寸的减小有助于改善测试样本的特征提取速度以及降低特征分解核矩阵的时间复杂度.
|
| 关 键 词： | 核主分量分析 核聚类 子集划分 协方差矩阵 特征向量 |
Improved kernel principal component analysis based on a clustering algorithm |
| |
| DENG Mao,CHEN Xu,CHEN Tian-xiang,WANG Hui-rong,LU Hua-xiang. Improved kernel principal component analysis based on a clustering algorithm[J]. CAAL Transactions on Intelligent Systems, 2010, 5(3): 221-226. DOI: 10.3969/j.issn.1673-4785.2010.03.003 |
| |
| Authors: | DENG Mao CHEN Xu CHEN Tian-xiang WANG Hui-rong LU Hua-xiang |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 维普 万方数据 等数据库收录！ |
|
