On Feature Extraction via Kernels
On Feature Extraction via Kernels
复制标题
DOI：
10.1109/tsmcb.2007.913604
复制
发表时间：
2008-04
期刊：
影响因子：
--
通讯作者：
Cheng Yang;Liwei Wang;Jufu Feng
中科院分区：
文献类型：
--
作者：
Cheng Yang;Liwei Wang;Jufu Feng
利用核技巧思想和核作为特征的思想，我们可以构造两种非线性特征空间，其中线性特征提取算法可以用来提取非线性特征。在这种对应关系中，我们研究了两个内核的想法，适用于某些特征提取算法，如线性判别分析，主成分分析，典型相关分析之间的关系。我们提供了一个严格的理论分析，并表明，他们是等价的，以不同的缩放每个功能。这些结果提供了一个更好的理解核方法。
Using the kernel trick idea and the kernels-as-features idea, we can construct two kinds of nonlinear feature spaces, where linear feature extraction algorithms can be employed to extract nonlinear features. In this correspondence, we study the relationship between the two kernel ideas applied to certain feature extraction algorithms such as linear discriminant analysis, principal component analysis, and canonical correlation analysis. We provide a rigorous theoretical analysis and show that they are equivalent up to different scalings on each feature. These results provide a better understanding of the kernel method.