论文部分内容阅读
针对大训练集时核主分量分析（KPCA）的计算代价大、特征提取速度慢等问题，提出一种KPCA的快速算法．该算法通过训练样本在特征空间所张成的子空间的一组标准正交基，将训练集上的KPCA过程。转化为以所有核训练样本在这组基下的坐标为数据集的PCA过程．其求解过程只需特征值分解一个阶数等于基的个数的矩阵。而且对某样本进行特征提取时．只需计算该样本与构成这组基的样本间的核函数．实验结果验证了该算法的有效性．