一种结合KPCA与PSO的模式去噪技术.pdfVIP

一种结合KPCA与PSOfl勺模式去噪技术 李建武。宿露 北京理工大学计算机科学技术学院智能信息技术北京市重点实验室，北京100081 E-mall：ljw@bit．edu．cn 摘要：利用KPCA进行模式去噪是近年来出现的一种基于机器学习的去噪技术，该方法通过核函数把原空间中的模式非线性 映射到一个高维特征守闻，在特征空间中进行主成分分析，以实现去噪。该技术实现的一个难点在于寻找特征空间中去噪后 的模式在原窄间中所对应的原像或近似原像。本文提出了一种利用粒子群优化算法(PSO)去寻找原像的技术，首先选择与去 噪后的理想原像最近邻的若干训练样本点作为初始种群，然后迭代寻找原像或最佳近似原像。在USPS数据集上与传统的几 种寻找原像的技术进行了比较，实验结果表明我们的方法更为有效；同时，基于PSO的方法具有易于理解、实现简单的优势。 关键词：核主成分分析，粒子群优化算法，模式去噪 KPCA for andPSOPattern Combining Denoising JianwuLi，LuSu E-mail：ljw@bit．eda．cn AIrstraet：KPCAbased hasbeenaddressedreecllt method．basedonmachine patterndenoising during years．This learning．maps iIl in intoa featllre kernelfunctions．thenPCAfeatureto nonlinearlypaRernsinputspace higher-dimensionalspaceby performs space methodto in sDage realize difficultyforthis iS seekthe oran patterndenoising．Thekey pre-imageapproximatepre．imageinput tothe after infeature toutilize swarm correspondingpatterndenoising space．ThisPaDerproposes particle as tOfind in nearest fromthe areselectedtheinitial ofPSO． algorithmspre—imagesinputspace．Sometrainingpatterns pre．image group 山ell resultsbasedon PSOalgorithmperforms theUSPSdatasetshowthatour methodontperformssometraditional PSO．basedmethodis proposed techniques．Additionally。the to isalso