基于核化原理的非线性典型相关判别分析

摘要：

典型相关判别分析是将传统的典型相关分析应用于判别问题,它是一类重要的特征提取算法,但其本质上只能提取数据的线性特征.应用统计学习理论中的核化原理可以将这样的线性特征提取算法推广至非线性特征提取算法.该文研究了如何将这一原理应用于典型相关判别分析,提出了基于核化原理的非线性典型相关判别分析,并且给出了求解该问题的一个自适应学习算法.数值实验表明,基于核化原理所导出的非线性典型相关判别分析比传统的典型相关判别分析更有效.另外,该文从理论上证明,所提出的新方法与Fisher核判别分析等价.

关键词：核化原理、典型相关分析、判别问题、Fisher核判别分析、自适应算法

所属期刊栏目：27

分类号：TP301(计算技术、计算机技术)

资助基金：国家高技术研究发展计划863计划2001AA113182

在线出版日期：2004-07-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：789-795