KFD( 或者GDA) 能够抽取基于分类的非线性特征, 它不像神经网络那样依赖对模型的选择,而且也不存在维数灾难和局部极小值问题, 因而它在许多实际分类问题中非常有效。在天文光谱的分类问题中, 面对的数据依然是具有非线性特征的, 天体红移和类型的耦合使得我们在做分类时遇到了很大的困难。由此, 我们尝试用基于核技术的广义判别分析( GDA) 对于恒星、星系和类星体进行分类, 得到了较好的实验结果。
本文结构如下, 第1 部分简单的介绍了多类的线性Fisher 判别分析; 第2 部分的广义判别分析为基于核技术的多类线性判别分析; 第3 部分是KPCA 与GDA 的联系; 第4部分为实验结果及分析; 第5 部分为全文总结。
-
关键词: 光谱分类,广义判别分析,线性判别分析,核主成分分析 发表时间: 2012-03-26 09:41:33
-
关键词: 光栅衍射,晶体X射线衍射,缺级 发表时间: 2012-03-26 09:40:05
-
关键词: 热力学温度,谱色测温法,颜色,色温,相关色温 发表时间: 2012-03-26 09:39:04
-
关键词: 光子晶体,折射率传感器,表面态,半无限 发表时间: 2012-01-31 11:44:45
-
关键词: 紫外分光光度法,柠檬黄,日落黄 发表时间: 2012-01-13 15:35:04
-
关键词: 钒,2-(5-溴-2-吡啶偶氮)-5-二乙基氨基苯酚,浊点萃取,分光光度法 发表时间: 2012-01-13 15:34:05