权重法-KPCA

本文主要是介绍权重法-KPCA，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

KPCA：将低维数据 通过核函数 映射至高维空间，而不需要知道具体的转变函数，使原本线性不可分的数据在高维空间中变得线性可分，可以继续使用PCA来进行降维；

明确地说核函数就是计算高维线性可分空间中数据内积的方法，而内积是衡量距离的重要指标，因此通过核函数来描述高维线性空间中数据的性质；

只要对称函数K(x, x_i)满足Mercer 条件就可以作为核函数;

Mercer 定理：任何半正定的函数都可以作为核函数。

半正定矩阵：

学习参考：

[1]杜卓明, 屠宏, 耿国华. KPCA方法过程研究与应用[J]. 计算机工程与应用, 2010, 046(007):8-10.

这篇关于权重法-KPCA的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！