论文部分内容阅读
核主成分分析（Kernel principal component analysis，KPCA）是一种非线性降维工具，在降低数据流分类处理量方面发挥着积极作用．然而，由于复杂性太高，导致KPCA的降维能力有限．为此，本文给出了一种增量核主成分分析算法（Incremental KPCA for dimensionality-reduction，IKDR），该算法存每步迭代估计中只需线性内存开销，大大降低了复杂性．在IKDR的基础上，结合BP（Back propagation）神经网络提出了数据流存线分类框架