非线性映射与特征提取：KMSE模型与核主分量分析技术

计算机科学 ›› 2008, Vol. 35 ›› Issue (9): 210-212.

非线性映射与特征提取：KMSE模型与核主分量分析技术

出版日期:2018-11-16 发布日期:2018-11-16
基金资助:
本文受国家自然科学基金重大国际（地区）合作项目（60620160097）及面上项目（60602038）,广东省自然科学基金（06300862）资助.

Online:2018-11-16 Published:2018-11-16

摘要/Abstract

摘要： 分析表明，KMSE模型准则中正则项的使用相当于引入了一个与核矩阵特征值直接相关的项以度量模型的泛化性能。根据矩阵特征值知识，可知核主分量分析实际上为KMSE模型应用过程中的一个中间步骤。此时，KMSE的作用表现为将样本在特征空间中的主分量映射为指示其类别的计算输出值。KMSE模型可看作是在特征空间的主分量分析基础上进一步实施特征变换的过程。本文全面阐述了KMSE模型与KFDA，LS-SVM，核主分量分析以及Bayesian判别函数间的理论关系。此外，通过分类实验测试了KMSE、核主分量分析与本文方法的性能

关键词: KMSE 核主分量分析特征提取自动化技术特征空间

Abstract: Analysis shows that the regularization term in the KMSE model is a term that aims to make the model generalize well and that is directly associated with the eignevalue of the kernel matrix. According to matrix theory, we can know that kernel principal com

Key words: KMSE, Kernel principal component analysis, Feature extraction, Automation technique, Feature space

. 非线性映射与特征提取：KMSE模型与核主分量分析技术[J]. 计算机科学, 2008, 35(9): 210-212. https://doi.org/