基于greedy GDA的训练数据减少和非线性特征提取方法

来源期刊：控制与决策2011年第10期

论文作者：刘小芳 何彬彬 李小文

文章页码：1511 - 3033

关键词：greedy广义判别分析;greedy核主成分分析;训练数据减少;非线性特征提取;核矩阵;分类;

摘    要：针对大数据集情况下标准广义判别分析(GDA)方法进行非线性特征提取时计算复杂度较高的问题,提出了基于GGDA(greedy GDA)的训练数据减少和非线性特征提取方法.该方法用greedy核主成分分析方法的greedy技术对训练数据选取子集;然后用GDA方法对子集而不是全部训练数据训练特征提取模型;并用几种特征提取的数据进行分类对比实验.实验结果表明,GGDA和GDA方法的特征提取性能优于其他对比方法,GGDA方法不仅较好地保持了GDA方法的特征提取性能,而且减少了大数据集进行非线性特征提取的计算复杂度.