一种KPCA的快速算法

被引:13
作者
赵峰
张军英
机构
[1] 西安电子科技大学计算机学院
关键词
核主分量分析; 标准正交基; 核矩阵;
D O I
10.13195/j.cd.2007.09.86.zhaof.004
中图分类号
TP301.6 [算法理论];
学科分类号
081202 ;
摘要
针对大训练集时核主分量分析(KPCA)的计算代价大、特征提取速度慢等问题,提出一种KPCA的快速算法.该算法通过训练样本在特征空间所张成的子空间的一组标准正交基,将训练集上的KPCA过程,转化为以所有核训练样本在这组基下的坐标为数据集的PCA过程.其求解过程只需特征值分解一个阶数等于基的个数的矩阵,而且对某样本进行特征提取时,只需计算该样本与构成这组基的样本间的核函数.实验结果验证了该算法的有效性.
引用
收藏
页码:1044 / 1048+1057 +1057
页数:6
相关论文
共 3 条
[1]   An improved algorithm for kernel principal component analysis [J].
Zheng, WM ;
Zou, CR ;
Zhao, L .
NEURAL PROCESSING LETTERS, 2005, 22 (01) :49-56
[2]   An expectation-maximization approach to nonlinear component analysis [J].
Rosipal, R ;
Girolami, M .
NEURAL COMPUTATION, 2001, 13 (03) :505-510
[3]   Nonlinear component analysis as a kernel eigenvalue problem [J].
Scholkopf, B ;
Smola, A ;
Muller, KR .
NEURAL COMPUTATION, 1998, 10 (05) :1299-1319