收藏本站
《控制与决策》 2011年10期
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

基于greedy GDA的训练数据减少和非线性特征提取方法

刘小芳  何彬彬  李小文  
【摘要】:针对大数据集情况下标准广义判别分析(GDA)方法进行非线性特征提取时计算复杂度较高的问题,提出了基于GGDA(greedy GDA)的训练数据减少和非线性特征提取方法.该方法用greedy核主成分分析方法的greedy技术对训练数据选取子集;然后用GDA方法对子集而不是全部训练数据训练特征提取模型;并用几种特征提取的数据进行分类对比实验.实验结果表明,GGDA和GDA方法的特征提取性能优于其他对比方法,GGDA方法不仅较好地保持了GDA方法的特征提取性能,而且减少了大数据集进行非线性特征提取的计算复杂度.

【参考文献】
中国期刊全文数据库 前1条
1 许建华;张学工;;经典线性算法的非线性核形式[J];控制与决策;2006年01期
【共引文献】
中国博士学位论文全文数据库 前1条
1 杜京义;基于核算法的故障智能诊断理论及方法研究[D];西安科技大学;2007年
中国硕士学位论文全文数据库 前1条
1 李磊;水安全智能多属性评价[D];合肥工业大学;2007年
【二级参考文献】
中国期刊全文数据库 前2条
1 许建华,张学工,李衍达;基于核函数的非线性口袋算法[J];电子学报;2003年04期
2 许建华 ,张学工 ,李衍达;一种基于核函数的非线性感知器算法[J];计算机学报;2002年07期
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026