原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
核协方差成分分析方法及其在聚类中的应用.pdf
第39卷第9期 计算机科学 V01．39No．9
2012年9月 Science 2012
Computer Sep
核协方差成分分析方法及其在聚类中的应用
闰晓波王士同郭慧玲
(江南大学数字媒体学院 无锡214122)
摘要
Covariance
降维方法，而DvS-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(KernelCompo—
nent
Analysis，KCCA)。将D-vs—E发展为广义D-vs-E(generalized
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
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
中图法分类号TPl81文献标识码A
KernelCovariance andits in
Component
AnalysisApplicationClustering
YANXiao-boWANG GUO
Shi-tongHui-ling
of
(sch001 214122，China)
DigitalMedia，JiangnanUniversity，Wuxi
AbstractAnewfeature reductionmethodcalledkernelcovariance
dimensionality component put
forwardonthecriterionthatthetransformeddatabest the ofthe asD—vs-E)be—
preservesconceptdifference(denoted
tweentotal and ofthe
densities data fromkemelcovariancematrix．The
Renyientropyinput space，induced generalized
versionof wasalso its
D-vs-E here．KCCAachieves ontoasubsetofD-vs-E
developed goalbyprojections preserving
kernel andthissubsetdoesnot needto to
component the
文档评论（0）