论文部分内容阅读
核判别分析(Kernel Discriminant Analysis,KDA)是继支持向量机(Support Vector Machine,SVM)和核主成分分析(Kernel Principal Component Analysis,KPCA)之后基于核函数的机器学习领域取得的又一重要成果.KDA通过核函数策略(kerneltrick)把线性判别分析(Linear Discriminant Analysis,LDA)从线性领域扩展到了非线性领域,从而大大提高了LDA思想的应用范围.但是,有关KDA方法的一些理论和算法,目前仍有许多问题需要得到进一步的完善.本文比较系统地研究KDA存在的一些问题,并对KDA理论和算法中存在的不足进行了修改和扩充.