作者：杨绪兵; 韩自存核方法fisher判别特征空间高维机器学习方法训练样本输入不可分线性表示投影向量
摘要：核方法是近年发展起来的一种新的机器学习方法,它可在高维(特征)空间中用线性的方法有效地解决低维(输入)空间中线性不可分问题.采用核方法,在Mika提出的核Fisher判别基础上,给出Fisher判别分析从输入空间变换到特征空间的数学过程(核化过程),并对特征空间中投影向量可由训练样本线性表示问题予以证明.
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
《安徽工程大学学报》（CN：34-1318/N）是一本有较高学术价值的大型双月刊，自创刊以来，选题新奇而不失报道广度，服务大众而不失理论高度。颇受业界和广大读者的关注和好评。 《安徽工程大学学报》以机械工程、材料工程、电气工程、电子技术、自动化技术、计算机工程、信息技术、化学工程、食品工程、纺织工程、生物工程为主，包括物理、化学、数学等基础学科，兼顾经济管理等学科的自然科学类学术期刊
北大期刊、统计源期刊
人气 540764 评论 58
人气 226327 评论 63
省级期刊
人气 184156 评论 72
北大期刊
人气 160559 评论 69
