摘要
针对非线性系统在线学习的效率问题,提出了一种基于QR分解的增量式核判别分析法。该算法充分利用基于QR分解的核判别分析法的先降维后提取特征的思想,将核空间映射到低维空间进行计算,减少了构造核矩阵的计算量,降低了核矩阵的存储空间。同时引入增量计算的思想,有效地解决了在线学习中冗余计算的问题。在TE过程数据和ORL人脸库上的仿真实验证明了该算法在特征提取上的有效性,其相比批量式算法有更高的效率优势。
To improve the online learning efficiency of nonlinear system,an incremental kernel decomposition analysis method via QR decomposition was developed.This algorithm maps the kernel space to a lower dimension space before performing feature decomposition to reduce the amount of calculation and the storage space of the kernel matrix.Then this algorithm solves the problem of redundant computation by combining the idea of incremental computation.The experiments on TE process and ORL data set show this algorithm is effective on feature decomposition as well as more efficient than the batch one.
出处
《计算机科学》
CSCD
北大核心
2014年第4期297-301,共5页
Computer Science
基金
国家科技支撑计划课题(2012BAD10B01)
浙江省自然科学基金(LQ12F03011)资助
关键词
非线性系统
在线学习
QR分解
增量计算
特征降维
Nonlinear system
Online learning
QR decomposition
Incremental computation
Dimension reduction
