In this paper, we propose a new gene selection, namely Custom Kernel principal component analysis (C-KPCA). The new kernel function for KPCA is created by combining a set of kernel functions. First, Singular Value Decomposition (SVD) is used to reduce the dimension of microarray data. Input...
C Yang,Y Zhan - Sice Conference: Takamatsu 被引量: 0发表: 2007年 Facial Expression Recognition using kernel principal component analysis (KPCA) This paper presents a methodology on the recognition of facial expressions with kernel principal component analysis using the Carnegie Mellon University da.....
统计学上PCA的定义为用几个较少的综合指标来代替原来较多的指标,而这些较少的综合指标既能尽多地反映原来较多指标的有用信息,且相互之间又是无关的。作为一种建立在统计最优原则基础上的分析方法,主成分分析具有较长的发展历史。在1901年,Pearson首先将变换引入生物学领域,并重新对线性回归进行了分析,得出了变换的...
图2为我国NY/T676-2010牛肉大理石纹图谱实例,为该等级的最低标准;图3为背最长肌最大内接矩形区域的灰度图像,用以牛肉大理石纹图像的CLBP特征提取和混沌蜂群优化的KPCA降维。 采用CLBP提取50张训练样本牛肉大理石纹图像特征参数,用于混沌蜂群的KPCA参数优化训练,经过多次实验,结果表明降维后前4维主成分的累积贡献率已...
分别用主成分分析(PCA)与核主成分分析(KPCA)对实例数据进行综合评价得分的计算,并比较分析.结果表明,在综合评价的应用中PCA简单实用,KPCA则存在两方面问题:(1)核函数与核参数的选取严重影响综合得分的计算,(2)很难解释核主成分.以PCA分析为参照,调整KPCA核参数能收到更好的效果.关键词: 主成分分析;核主成分分析...
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空间,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空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...
))C (10) 上式中sum(v i )表示向量之间的各元素之和,参数c用于确保 的单位性。 3.瓦斯浓度异常数据检测算法流程 算法可以划分为两个阶段,训练阶段和检测阶段,训练阶段主要是通过历史数据获取数据分布的特征,估计分布模型参数;检测阶段主要是计算检测数据集的主成方向矢量的分布概率,根据概率的大小判断瓦斯浓度数据...
kpca算法是一种非线性降维算法,它是基于核技巧的主成分分析方法。本文将介绍kpca算法的原理和python实现。 我们来了解一下主成分分析(PCA)算法。PCA是一种常用的线性降维算法,它通过寻找数据中的主要方向来减少数据的维度。然而,PCA只适用于线性可分的数据,对于非线性数据效果不佳。而kpca算法则是通过引入核函数,将...
珠海镇东公司在韩国会展中心,荣幸地参加了备受瞩目的2024 KPCA Show。作为全球电子制造行业的重要盛事,KPCA Show吸引了来自世界各地的专业人士和企业。珠海镇东也带来了最新机器和创新技术,期待与您共同见证这一行业盛事。 展会的第一天,珠海镇东感受到了来自韩国及...
主成分分析(PCA)是最常用的属性优化分析技术,但存在缺少概率模型和缺失高阶统计量信息的不足。本文基于贝叶斯理论和核主成分分析(KPCA)法,研究了可同时克服PCA两个缺... 郑静静,王延光,杜磊,... - 《石油地球物理勘探》 被引量: 8发表: 2014年