安磊磊
- 作品数：2 被引量：0H指数：0
- 供职机构：河北大学更多>>
- 发文基金：河北省自然科学基金国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于改进PCA和LDA的特征提取方法
- 在机器学习和模式识别领域，主成分分析（Principal Component Analysis,PCA）和线性判别分析（Linear Discriminant Analysis,LDA）及其相关的改进方法是常用的维数约减...
- 安磊磊
- 关键词：核主成分分析线性判别分析特征提取异常检测维数约减
- 基于样本选取和加权KPCA-L1的异常检测
- 2016年
- 为了提高基于一范数的核主成分分析算法(KPCA-L1)处理异常检测问题的速度,提出了基于样本选取和加权KPCA-L1的异常检测方法。该方法从训练集中选取具有代表性的特征子集,然后为所得特征子集中的样本赋予权重,用带有权重的特征子集训练模型,构造加权KPCA-L1。与KPCA-L1相比,该方法能够有效地减小训练集的规模,同时改善了KPCA-L1算法的更新方法。在人工数据集和标准数据集上的实验结果表明,在保证异常检测准确率的前提下,该方法比KPCA-L1具有更快的建模速度。
- 安磊磊邢红杰
- 关键词：核主成分分析异常检测
