...)特征选择模型的特性、特征选择评估判据以及启发式特征搜索方法进行了研究。针对人脸识别问题,提出将小波变换及核主元分析(KPCA)作为Filter特征选择模型,将SVM作为Wrapper特征选择模型。
基于425个网页-相关网页
快速核主元分析 FKPCA
核主元分析法 kernel principal component analysis
快速核主元成分分析 FKPCA
有监督核函数主元分析 SKPCA
核概率主元分析 KPPCA
In order to overcome the shortcomings of conventional Kernel Principal Component Analysis(KPCA) method in modeling and analyzing of large sample data(e. g. , high computational complexity, long time modeling and large storage space etc.
常规核主元分析(KPCA)方法在对大样本数据分析建模时，存在运算复杂度高、建模时间长以及所需存储空间大等缺点。
参考来源 - 基于相似度的核主元分析方法及其应用研究·2,447,543篇论文数据，部分数据来源于NoteExpress
提出一种基于核主元分析(KPCA)和多级神经网络集成的汽轮机故障诊断方法。
One new method for fault diagnosis of steam turbine based on kernel principal component analysis (KPCA) and multistage neural network ensemble was proposed.
为此提出了一种多向核主元分析(MKPCA)算法用于间歇过程的建模与在线监测。
A method based on multiway kernel principal component analysis (MKPCA) was proposed to capture the nonlinear characteristics of normal batch processes.
结合核主元分析与支持向量机的特点，提出了一种基于核主元分析与支持向量机的人脸识别方法。
By integrating the characteristics of KPCA and SVM, a face recognition method based on these two algorithms is presented.
应用推荐