论文部分内容阅读
在非线性主成分分析处理中,针对基于核函数的非线性降维技术KPCA对偏离度较大的样本点有很大敏感性以及RKF-PCA中由于参数选择不当引起不收敛等问题,基于模糊理论,引入隶属度函数和模糊参数C对各个样本点进行加权,提出一种改进的模糊KPCA(Improved Fuzzy Kernel Principal Component Analysis,IFKPCA)算法。对无干扰和有干扰数据集分别采用常规KPCA、RKF-PCA和IFKPCA进行主成分分析实验,并在不同分布函数下进行测试,结果表明IFKPCA弱化了干扰点对样本分布的影响,避免了因参数选择不当而引起的不收敛问题,解决了常规KPCA对样本点的敏感性问题,且权系数参数选择方便、鲁棒性强、收敛速度快。