KPCA基于核的主城分析.pptVIP

* 基于核的主成分分析 (Kernel Principal component analysis ,KPCA ) 主要内容 1.研究意义 2.PCA原理回顾 3.KPCA原理 4.KPCA在电子鼻系统中的应用 5.小结 1.研究意义 大量的现实应用需要利用待处理对象的非线性特征。KPCA正是一种非线性主成分分析方法，它能有效提取非线性特征，具有更广阔的实际应用。 KPCA方法原理示意图 原始数据空间 高维特征空间 间接实现非线性映射 核方法 非线性映射 PCA分析 2.PCA原理分析 几何意义示意图 原坐标系中，x1,x2凸显出明显的线性相关性； 新坐标系中，pc1,pc2几乎不相关。 基本思想： 将多个相关变量投影到另一组正交空间内，得到一组新的变量，使得新变量具有最大的方差。（方差反映了数据差异的程度，方差最大的方向对应信息量最大的方向） 2.PCA原理分析 推导过程： （1）设矢量 ，记 ， （2）考虑如下线性变换 其中 均为相互正交的p维单位向量，即变换后的新坐标系。通过求解 ，使得 的方差达到最大。