版权所有：内蒙古大学图书馆 技术提供：维普资讯• 智图
内蒙古自治区呼和浩特市赛罕区大学西街235号 邮编: 010021
基于核主成分KPCA的LS-SVM的算法分析
LS-SVM Regression Based on KPCA作者机构：永州职业技术学院医学院计算机教研组湖南永州425100
出 版 物：《科技信息》 (Science & Technology Information)
年 卷 期：2009年第17期
页 面：35-35,29页
学科分类：08[工学] 082303[工学-交通运输规划与管理] 0835[工学-软件工程] 082302[工学-交通信息工程及控制] 081202[工学-计算机软件与理论] 0812[工学-计算机科学与技术（可授工学、理学学位）] 0823[工学-交通运输工程]
主 题：非线性 核主成分分析(KPCA) 最小二乘支持向量机(LS-SVM)
摘 要：主成分分析(PCA)是一种重要的特征抽取方法,而核主成分分析(KPCA)是在此基础上结合核函数提出来的主成分分析法,在多维回归分析中具有重要的作用。最小二乘支持向量机(LS-SVM)是SVM的一种改进算法,将KPCA与LS-SVM结合起来建模,并试验说明较之单独用最小二乘支持向量机(LS-SVM)建模方法具有更良好的推广性。
