利用组合核函数提高核主分量分析的性能

为了提高图像分类的识别率 ,在对基于核的学习算法中 ,核函数的构成条件以及不同核函数的特性进行分析和研究的基础上 ,提出了一种新的核函数——组合核函数 ,并将它应用于核主分量分析 (KPCA)中 ,以便进行图像特征的提取 ,由于新的核函数既可以提取全局特征 ,又可以提取局部特征 ,因此 ,可以提高 KPCA在图像特征提取中的性能。为了验证所提出核函数的有效性 ,首先利用新的核函数进行 KPCA,以便对手写数字和脸谱等图像进行特征提取 ,然后利用线性支持向量机 (SVM)来进行识别 ,实验结果显示 ,从识别率上看 ,用组合核函数所提取的特征质量比原核函数所提取的特征质量高。