文献类型：期刊文章

作　　者：张素智[1] 陈小妮[1] 杨芮[1] 李鹏辉[1] 蔡强[2]

ZHANG Su-zhi;CHEN Xiao-ni;YANG Rui;LI Peng-hui;CAI Qiang(School of Computer and Communication Engineering,Zhengzhou University of Light Industry,Zhengzhou 450002,China;Beijing Key Laboratory of Big Data Technology for Food Safety,Beijng Technology and Business University,Beijing 100048,China)

机构地区：[1]郑州轻工业大学计算机与通信工程学院,河南郑州450002 [2]北京工商大学,食品安全大数据技术北京市重点实验室,北京100048

出　　处：《计算机工程与设计》

基　　金：北京市重点实验室开放课题基金项目(BKBD-2017KF08);国家自然科学基金项目(61802353)。

年　　份：2020

卷　　号：41

期　　号：8

起止页码：2177-2183

语　　种：中文

收录情况：BDHX、BDHX2017、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：为改善高维数据的降维结果,提高数据低维表示的判别能力,通过对类内和类间距离的研究,提出基于类内和类间距离的主成分分析(IOPCA)数据降维算法。计算属性信息熵,对比信息熵阈值,进行数据矩阵特征筛选;采用综合类间距离最大化和类内距离最小化思想,改进PCA算法进行数据降维;将降维后的数据通过KNN、SVM算法分类。对比PCA、E-PCA、LDA算法,仿真结果表明,该算法在改善降维结果的同时,有效提高了降维后低维数据的判别性能。

关 键 词：信息熵 类内距离  类间距离 主成分分析 数据降维

分 类 号：TP301.6]