10.3969/j.issn.1006-8961.2004.01.007
利用组合核函数提高核主分量分析的性能
为了提高图像分类的识别率,在对基于核的学习算法中,核函数的构成条件以及不同核函数的特性进行分析和研究的基础上,提出了一种新的核函数--组合核函数,并将它应用于核主分量分析(KPCA)中,以便进行图像特征的提取,由于新的核函数既可以提取全局特征,又可以提取局部特征,因此,可以提高KPCA在图像特征提取中的性能.为了验证所提出核函数的有效性,首先利用新的核函数进行KPCA,以便对手写数字和脸谱等图像进行特征提取,然后利用线性支持向量机(SVM)来进行识别,实验结果显示,从识别率上看,用组合核函数所提取的特征质量比原核函数所提取的特征质量高.
核主分量分析、核函数、主分量分析、支持向量机
9
TP391(计算技术、计算机技术)
高等学校博士学科点专项科研项目20020358033
2004-06-25（万方平台首次上网日期，不代表论文的发表时间）
共6页
40-45
