用于非高斯系统降维的最小残差熵主元网络

摘要：

基于最小均方误差的主元分析和主元神经网络是有效的多变量降维统计技术,它们所提取的主元含有系统最大方差.非高斯随机系统的近似模型应当含有系统最大信息熵,但包含最大方差并不一定包含最大信息熵.该文提出一种以最小残差熵为通用指标的非线性主元神经网络模型,并给出了一种基于Parzen窗口密度函数估计的熵近似计算方法和网络学习算法.然后从信息论角度分析了,在高斯随机系统中基于最小残差熵和最小均方差为指标的主元网络学习结果具有一致性.最后以仿真验证该方法的有效性,并与基于最小均方误差的主元分析和主元神经网络方法的计算结果进行对比性分析.

关键词：主元分析、主元神经网络、最小残差熵、最小均方差、降维

所属期刊栏目：22

分类号：TP39;TP14;O23(计算技术、计算机技术)

资助基金：新材料领域项目2003AA412010;中国科学院资助项目60274020

在线出版日期：2005-12-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：91-93,180