目标识别中特征空间核矩阵收缩方法

摘要

线性分类与非线性分类是模式识别领域的基础性课题.核方法处理非线性分类问题有其独特的优势,核矩阵反映了输入样本在特征空间的位置关系,决定了样本在特征空间的可分性.针对特征空间线性不可分问题,提出了特征空间核矩阵收缩的新概念和新方法.首先定义了特征空间中样本数据的收缩因子以及样本数据相对于各类类心的收缩方法;然后理论推导得到样本数据收缩后的核矩阵,并且证明收缩后的数据可分性能更优.最后的实验从核矩阵的性能度量以及核矩阵的分类性能两个方面验证了收缩后的核矩阵性能比收缩前性能更优.