科研之友
微信
新浪微博
Facebook
分享链接
摘要
基于核的主成分分析（PCA）方法可以有效提取非线性特征，但存在主成分含义模糊、降维分类结果不理想等问题。为了解决上述问题提高数据分类的准确性，提出了一种基于局部线性嵌入（LLE）思想和核主成分分析相结合的算法（KPCA-L）。在该算法中首先对LLE进行了改进，使用最短路径算法计算两个样本点间的距离；在此基础上使用局部线性嵌入与核主成分分析（KPCA）混成的降维算法对数据集进行降维。最后在基准数据集上进行了算法性能对比，特别在Isolet数据集上该算法的分类准确性相对PCA、LLE和KPCA分别提高了12.49%、2.86%和3.52%，提高了PCA对平移的鲁棒性以及数据分类性能。
- 出版日期2022
- 单位河北经贸大学
