一种快速核特征提取方法及其应用.pdfVIP

第35卷 第24期 计 算 机 工 程 2009年 12月 VoL35 No．24 ComputerEngineering December2009 · 1I舅士【论文 · 文章编号：l00o-．3428(2009)24—_0026___o3 文献标识码：A 中圈分类号tTP182 一 种快速核特征提取方法及其应用 许 亮，张小波 (广东工业大学自动化学院，广州 510006) 摘 要：针对核主成分分析方法(KPCA)存在大样本集的核矩阵置计算困难问题，提出一种基于分块特征向量选择的快速核主成分分析方 法。采用分块特征向量选择方法提取样本子集，用样本子集建立KPCA模型。将该方法应用于某化工过程的特征信息提取，并与全体样本 的KPCA相比较。实验结果表明，两者特征提取的有效性相当，但新方法在建模和特征提取过程所耗费的时间较少。 关健诃：核主成分分析方法；特征提取；特征向量选择；分块 FastKernelFeatureExtractionM ethodandItsApplication XULiang．ZHANG Xiao—bo (SchoolofAutomation，GuangdongUniversityofTechnology,Guangzhou510006) [AbstractlForalargedataset，thereisaproblemwhichakernelmatrixKisnoteasilytobecomputedverymachforKemelPrincipalComponent Analysis(KPCA)．A fastprincipalcomponentanalysismethodisproposedtosolvethecomputationproblemforkernelmatrixKbasedona multi—block~amrevectorselection．Asamplesetisextractedbythemulti-blockfeaturevectorselection．A KPCA modelisbuildupbythesample． TheproposedmethodisappliedtOachemicalprocess ExperimentalresultshowsthattheproposesmethodisalmostsamecomparedtohteKPCA basedontheallsample，but，lesstimearespentonmodelingandextractingfeaturefortheproposedmethod． [KeywordslKernelPrincipalComponentAnalysis(KPcA)；featureextraction；featurevectorselection；block l 概述 ≥ ≥…≥ 。而 KPCA提取的最大主元个数是n，如果 核方法是由 Vapnik提出并用于支持向量机的一种解决 仅仅保留前P个特征向量，那么样本的主元数 目就可以减少 非线性问题的方法¨】。Scholkopl~2]等人将其应用于 PCA，而 t7)，从而降低 了输入样本的维数。然后需要利用每= 提出核主成分分析 (KernelPrincipalComponentAnalysis， q／√对特征向量进行归一化处理，相应地在特征空间F中 KPCA)的非线性特征提取方法。但是KPCA建模过程中，首 的向量也要做归一化处理。 先需要计算核矩阵 ，而 的运算复杂度与样本数 目直接相