论文部分内容阅读
对于模式识别和机器学习领域,图像的特征抽取是最基本的问题之一,而核主成分分析是其中一种经典算法。但是,核方法都存在一个问题,当训练样本数非常多的时候计算代价很大,导致识别效率低下。针对这一问题,本文提出一种基于核算法的局部线性重构,其主要思想就是从大量的训练样本中选出一部分最具有代表性的样本代替大量的训练样本,利用代表样本构造核空间,将所有样本非线性投影到核空间中,使得样本线性可分。后续的实验证明了本算法的有效性。