首页> 外文会议>Neural Networks, The 2007 IEEE International Joint Conference on >An Efficient Incremental Kernel Principal Component Analysis for Online Feature Selection
【24h】

An Efficient Incremental Kernel Principal Component Analysis for Online Feature Selection

机译:用于在线特征选择的有效增量核主成分分析

获取原文

摘要

In this paper, a feature extraction method for online classification problems is proposed by extending kernel principal component analysis (KPCA). In our previous work, we proposed an incremental KPCA algorithm which could learn a new input incrementally
机译:通过扩展核主成分分析(KPCA),提出了一种在线分类问题的特征提取方法。在我们之前的工作中,我们提出了一种增量式KPCA算法,该算法可以逐步学习新的输入

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号