核协方差成分分析方法及其在聚类中的应用

摘要：

以降维前后密度总和与Renyi熵的差(Densities-vs-Entropy,D-vs-E)尽量靠近为准则,得到了一种新的特征降维方法,而D-vs-E是由核特征空间的协方差矩阵导出的,因此称为核协方差成分分析(Kernel Covariance Component Analysis,KCCA).将D-vs-E发展为广义D-vs-E(generalized D-vs-E).KCCA通过将数据投影在使D-vs-E最大的KPCA轴方向得到转换后的低维数据,但是所选取的KPCA轴不一定对应于核矩阵最大的几个特征值.与基于Renyi熵的KECA相比,KCCA是基于D-vs-E的.基于广义D-vs-E的KCCA数据转换方法应用于聚类的结果显示,它在对高斯核参数的选择上具有更强的鲁棒性.

关键词：核熵成分分析、核协方差成分分析、聚类、协方差矩阵、高斯核参数、雷尼熵

所属期刊栏目：39

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金90820002;江苏省自然科学基金BK2009067

在线出版日期：2012-11-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：229-234