【技术实现步骤摘要】
本专利技术涉及一种基于KPCA特征抽取方法，尤其涉及一种基于虚拟样本的KPCA特 征抽取方法，可用于模式识别、机器学习、计算机视觉、工业自动化与图像处理等
技术介绍
特征抽取式对某一模式的组测量值进行变换，以突出该模式具有代表性特征的一 种方法。广泛应用于模式识别、机器学习、计算机视觉、工业自动化与图像处理等
， 例如，在计算机视觉和图像处理中，它指的是使用计算机抽取图像信息，决定每个图像的 点是否属于一个图像特征。特征抽取的结果是把图像上的点分为不同的子集，这些子集往 往属于孤立的点、连续的曲线或者连续的区域。主成分分析(Principal-Component Analysis, PCA)是最小均方误差意义上的最 优维数压缩技术，这种方法基于数据的二阶统计信息(即基于相应协方差矩阵)进行分析， 抽取不相关的各个特征分量。应用中，PCA方法可通过求解特征方程实现，并选择对应较大 特征值的特征向量作为变换轴。PCA作为一种常用的特征抽取方法，属于线性算法，不能抽 取出数据中非线性的结构，因此在实际应用中存在较多限制。核方法可以将非线性不可分 离数据...
【技术保护点】
一种基于虚拟样本的ＫＰＣＡ特征抽取方法，其特征在于，所述ＫＰＣＡ特征抽取是在一个在输入的基准数据集样本基础上构建的虚拟样本空间中进行，该虚拟样本空间包含Ｎ个维数相同的随机虚拟样本矢量，Ｎ为输入的基准数据集中的训练样本数。
【技术特征摘要】
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。