一种基于各向异性高斯核核惩罚的PCA特征提取算法

刘俊; 李威; 陈蜀宇; 徐光侠

首页> 中文期刊> 《软件学报》 >一种基于各向异性高斯核核惩罚的PCA特征提取算法

一种基于各向异性高斯核核惩罚的PCA特征提取算法

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

提出了一种基于各向异性高斯核核惩罚的主成分分析的特征提取算法.该算法不同于传统的核主成分分析算法.在非线性数据降维中,传统的核主成分分析算法忽略了原始数据的无量纲化.此外,传统的核函数在各维度上主要由一个相同的核宽参数控制,该方法无法准确反映各维度不同特征的重要性,从而导致降维过程中准确率低下.为了解决上述问题,首先针对现原始数据的无量纲化问题,提出了一种均值化算法,使得原始数据的总方差贡献率有明显的提高.其次,引入了各向异性高斯核函数,该核函数每个维度拥有不同的核宽参数,各核宽参数能够准确地反映所在维度数据特征的重要性.再次,基于各向异性高斯核函数建立了核主成分分析的特征惩罚目标函数,以便用较少的特征表示原始数据,并反映每个主成分信息的重要性.最后,为了寻求最佳特征,引入梯度下降算法来更新特征惩罚目标函数中的核宽度和控制特征提取算法的迭代过程.为了验证所提出算法的有效性,各算法在UCI公开数据集上和KDDCUP99数据集上进行了比较.实验结果表明,所提基于各向异性高斯核核惩罚的主成分分析的特征提取算法比传统的主成分分析算法在9种公开的UCI公开数据集上准确率平均提高了4.49%.在KDDCUP99数据集上,所提基于各向异性高斯核核惩罚的主成分分析的特征提取算法比传统的主成分分析算法准确率提高了8%.

著录项

来源
《软件学报》 |2022年第12期|4574-4589|共16页
作者
刘俊; 李威; 陈蜀宇; 徐光侠;
展开▼
作者单位

重庆邮电大学软件工程学院;

重庆大学大数据与软件学院;

展开▼
原文格式 PDF
正文语种 chi
中图分类人工智能理论;
关键词
各向异性高斯核; 特征惩罚函数; 主成分分析; 梯度下降法;

相似文献

中文文献
外文文献
专利

1. 一种提高Kernel PCA特征提取性能的核优化算法 [J] . 段祎林 ,田亚爱 . 西安石油大学学报（自然科学版） . 2009,第005期
2. 基于多尺度各向异性高斯核的彩色图像边缘检测算法 [J] . 卢健 ,黄杰 ,潘峰 . 计算机技术与发展 . 2016,第005期
3. 一种基于核PCA的网络流量异常检测算法 [J] . 曾建华 . 计算机应用与软件 . 2018,第003期
4. 基于高斯核显性映射的核归一化解相关仿射投影P范数算法 [J] . 赵知劲 ,陈思佳 . 电子与信息学报 . 2020,第8期
5. 通过全局核降低高斯核的局部风险与基于遗传算法的两阶段模型选择 [J] . 常群 ,王晓龙 ,林沂蒙 . 计算机研究与发展 . 2007,第3期
6. 一种提高Kernel PCA特征提取性能的核优化算法 [C] . 张军英 ,王毅娜 . 第七届全国信号与信息处理联合会议暨首届全国省(市)级图象图形学会联合年会 . 2008
7. 基于各向异性高斯核的图像分割算法研究 [A] . 赵强 . 2016

一种基于各向异性高斯核核惩罚的PCA特征提取算法

摘要

著录项

相似文献

相关主题

期刊订阅