文献类型：期刊文章

作　　者：吴德会[1,2]

机构地区：[1]九江学院,数字控制技术与应用江西省重点实验室,江西九江332005 [2]清华大学电机系电力系统国家重点实验室,北京100084

出　　处：《小型微型计算机系统》

基　　金：国家自然科学基金项目(70272032,70672096)资助

年　　份：2008

卷　　号：29

期　　号：7

起止页码：1296-1300

语　　种：中文

收录情况：AJ、BDHX、BDHX2004、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：提出一种基于最小二乘支持向量机(LS-SVM)的非线性特征提取新方法.先将线性特征提取公式表达成与LS-SVM回归算法中相同的形式;再根据SVM思想,将数据集由输入空间映射到高维特征空间,进而通过核技巧实现非线性特征提取.在理论上证明了所提特征提取方法的结果与PCA方法具有一致性,是传统PCA的一种对偶形式,更适合高维特征数据集的提取.最后,通过近红外光谱数据集特征提取实例验证了在上述条件下该方法的优越性.

关 键 词：最小二乘支持向量机 主成分分析 回归算法  特征提取 近红外光谱

分 类 号：TP18]