基于RBF神经网络的非线性主元分析方法

被引：16

作者：

贾明兴

赵春晖

王福利

毛志忠

李鸿儒

机构：

[1] 流程工业综合自动化教育部重点实验室东北大学

来源：

仪器仪表学报 | 2008年 / 03期

关键词：

非线性主成分分析; 聚类; RBF神经网络; 得分; 负载;

D O I：

10.19650/j.cnki.cjsi.2008.03.002

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

摘要：

本文在分析非线性主成分曲线性质基础上,提出了基于聚类、线性主成分分析、神经网络技术的非线性主成分分析方法。该方法与以往方法比较,在概念上具有和线性主成分分析相同的解释,并且给出了非线性主成分得分和负载的计算方法;在结构上较为简单,采用的神经网络结构为3层,训练容易。网络训练的数据样本采用聚类和线性主成分分析方法获得,解决了以往方法缺乏训练数据的问题。数字仿真和三水箱实验验证了提出方法的有效性。

引用

页码：453 / 457

页数：5

共 5 条

[1] Nonlinear principal component analysis to preserve the order of principal components[J] . Ryo Saegusa,Hitoshi Sakano,Shuji Hashimoto.Neurocomputing . 2004
[2] A journey into low-dimensional spaces with autoassociative neural networks
Daszykowski, M
Walczak, B
Massart, DL
[J]. TALANTA, 2003, 59 (06) : 1095 - 1105
[3] Nonlinear component analysis as a kernel eigenvalue problem
Scholkopf, B
Smola, A
Muller, KR
[J]. NEURAL COMPUTATION, 1998, 10 (05) : 1299 - 1319
[4] Neural network learning to non-linear principal component analysis[J] . Jian-Hui Jiang,Ji-Hong Wang,Xia Chu,Ru-Qin Yu.Analytica Chimica Acta . 1996 (1)
[5] Principal curves. Hastie T J,W Stuezle. Journal of the American Statistical Association . 1989

← 1 →