核最优变换与聚类中心的算法

被引:3
作者
赵峰 [1 ,2 ]
张军英 [2 ]
刘敬 [2 ]
机构
[1] 山东工商学院信电学院
[2] 西安电子科技大学计算机学院
关键词
核方法; 最优聚类中心; 最优变换;
D O I
暂无
中图分类号
TP301.6 [算法理论];
学科分类号
081202 ;
摘要
基于核化原理,提出核最优变换与聚类中心算法.算法通过非线性变换,将数据映射到核空间,并在核空间中执行最优变换与聚类中心算法.该算法可提取稳健的非线性鉴别特征,解决复杂分布数据的模式分类问题.同时,基于训练样本在核空间所张成的子空间的一组基,提出一个快速提取鉴别特征的计算方法,解决了一般核方法面临的"大训练集"难题.基于IRIS,YEAST,GLASS等数据的分类实验验证了该方法的有效性.
引用
收藏
页码:127 / 133+161 +161
页数:8
相关论文
共 6 条
[1]   融合全局与局部特征的子空间人脸识别算法 [J].
王蕴红 ;
范伟 ;
谭铁牛 .
计算机学报, 2005, (10) :1657-1663
[2]   Fisher线性鉴别分析的理论研究及其应用 [J].
杨健 ;
杨静宇 ;
叶晖 .
自动化学报, 2003, (04) :481-493
[3]   基于核函数的学习算法 [J].
田盛丰 .
北方交通大学学报 , 2003, (02) :1-8
[4]   最优聚类中心雷达目标一维距离像识别 [J].
周代英 ;
沈晓峰 ;
杨万麟 .
系统工程与电子技术, 2002, (04) :44-46+85
[5]  
模式识别[M]. 清华大学出版社 , 边肇祺等编著, 2000
[6]   Nonlinear component analysis as a kernel eigenvalue problem [J].
Scholkopf, B ;
Smola, A ;
Muller, KR .
NEURAL COMPUTATION, 1998, 10 (05) :1299-1319