期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于Kernel Discriminant Canonical Correlation(KDCC)的多观测样本分类算法
1
作者 牛晓霞 胡正平 王玲丽 《数学的实践与认识》 CSCD 北大核心 2012年第9期96-107,共12页
针对多观测样本分类问题,提出一种基于Kernel Discriminant CanonicalCorrelation(KDCC)来实现多观测样本分类的模型.该算法首先把原空间样本非线性的投影到高维特征空间,通过KPCA得到核子空间,然后在高维特征空间定义一个使类内核子空... 针对多观测样本分类问题,提出一种基于Kernel Discriminant CanonicalCorrelation(KDCC)来实现多观测样本分类的模型.该算法首先把原空间样本非线性的投影到高维特征空间,通过KPCA得到核子空间,然后在高维特征空间定义一个使类内核子空间的相关性最大,同时使类间核子空间的相关性最小的KDCC矩阵,通过迭代法训练出最优的KDCC矩阵,把每个核子空间投影到KDCC矩阵上得到转换核子空间,采用典型相关性作为转换核子空间之间的相似性度量,并采用最近邻准则作为多观测样本的分类决策,从而实现多观测样本的分类.在三个数据库上进行了一系列实验,实验结果表明提出的方法对于多观测样本分类具有可行性和有效性. 展开更多
关键词 kdcc 典型相关性 最近邻分类 多观测样本
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部