计算和存储空间受限下的数据稀疏核分析方法

发布时间：2019-06-06 10:25

【摘要】：针对核主成分分析算法广泛面临的训练样本数量大而带来的计算和存储空间的问题,提出了基于1类支持向量理论的稀疏核主成分分析算法,该方法适合于计算和存储空间受限下的应用场合,如小型硬件平台下的图像检索系统、医学辅助诊断系统等.通过求解最优方程找到能够代表原始样本空间的少量典型样本,这些样本作为计算核数据矩阵,大大节省了核矩阵计算的时间和存储空间成本,在有限的训练样本集上最大限度在硬件平台下图像处理领域有效提高识别率和计算效率.
[Abstract]:In order to solve the problem of computing and storage space caused by the large number of training samples, a sparse kernel principal component analysis algorithm based on class 1 support vector theory is proposed. This method is suitable for applications with limited computing and storage space, such as image retrieval system under small hardware platform, medical aided diagnosis system and so on. By solving the optimal equation, a small number of typical samples which can represent the original sample space are found. These samples are used as the kernel data matrix to calculate the kernel data matrix, which greatly saves the time and storage space cost of the kernel matrix calculation. In the limited training sample set, the recognition rate and computational efficiency are improved effectively in the field of image processing under the hardware platform.
【作者单位】： 北京航空航天大学;北京仿真中心;
【分类号】：TP181;TP391.41

【相似文献】

相关期刊论文 前10条

1 经玲,朱甫芹,鲁绯,孙君社;腐乳感官和理化品质的核主成分分析[J];中国农业大学学报;2004年03期

2 赵丽红;孙宇舸;蔡玉;徐心和;;基于核主成分分析的人脸识别[J];东北大学学报;2006年08期

3 薛宁静;;基于测地距离的核主成分分析方法[J];微计算机信息;2010年31期

4 刘嵩;罗敏;张国平;;基于对称核主成分分析的人脸识别[J];计算机应用;2012年05期

5 何振学;张贵仓;谯钧;杨林英;;对称核主成分分析及其在人脸识别中的应用[J];计算机工程;2013年03期

6 万星火;金永超;郑俊玲;;基于核主成分分析的环境质量综合评价模型[J];电脑知识与技术;2014年09期

7 殷俊;周静波;金忠;;基于余弦角距离的主成分分析与核主成分分析[J];计算机工程与应用;2011年03期

8 孟凡荣;杨开睿;梁志贞;;鲁棒的加权核主成分分析算法[J];计算机应用研究;2013年07期

9 刘权;郭武;;基于核主成分分析的话题跟踪系统[J];清华大学学报(自然科学版);2013年06期

10 贾亚琼;;基于核主成分分析的图像去噪[J];科学技术与工程;2009年19期

相关会议论文 前3条

1 刘权;郭武;;基于核主成分分析的话题跟踪系统[A];第十二届全国人机语音通讯学术会议（NCMMSC'2013）论文集[C];2013年

2 薛永刚;朱靖波;魏刚;;基于核主成分分析的文本分类[A];第二届全国信息检索与内容安全学术会议（NCIRCS-2005）论文集[C];2005年

3 徐扬;陈实;田玉敏;;基于核主成分分析的步态识别[A];2008'中国信息技术与应用学术论坛论文集（二）[C];2008年

相关博士学位论文 前1条

1 杨胜凯;基于核主成分分析的特征变换研究[D];浙江大学;2014年

相关硕士学位论文 前10条

1 郑俊玲;基于KPCA的大学生学业预警模型及其应用[D];华北理工大学;2015年

2 郑颖;二维核主成分分析算法和应用研究[D];西安电子科技大学;2014年

3 徐东曙;蛋白质亚细胞定位中的非线性核熵成分分析和核主成分分析方法对比研究[D];云南大学;2016年

4 常燕芝;基于概率核学习方法的短期风电功率预测[D];兰州交通大学;2016年

5 刘亚卿;基于旋转森林的基因数据分类算法研究[D];中国计量大学;2016年

6 马文青;一种加权核主成分分析及其相关参数的选取[D];大连海事大学;2009年

7 刘素京;基于核主成分分析和支持向量机的飞机舱音信号的识别[D];南京航空航天大学;2009年

8 贾亚琼;基于核主成分分析的图像降噪方法研究[D];华南理工大学;2010年

9 万康康;基于核主成分分析的原像问题研究[D];南京理工大学;2014年

10 孙宗宝;基于软间隔支持向量机和核主成分分析的入侵检测研究[D];哈尔滨理工大学;2007年

，

本文编号：2494286