核典型关联分析(KCCA)算法原理 | 您所在的位置:网站首页 › 相关分析的算法 › 核典型关联分析(KCCA)算法原理 |
Kernel Canonical Correlation Analysis
1、CCA的不足
普通的线性CCA只能探索两组随机变量之间的线性关系,而在实际情况中,变量间的关系往往是非线性的,于是非线性的CCA出现了,KCCA就是一种常用的非线性CCA算法。KCCA是把核函数的思想引入CCA中,思想是把低维的数据映射到高维的特征空间(核函数空间),并通过核函数方便地在核函数空间进行关联分析。 2、算法实现首先引入一个把数据映射到高维特征空间的的映射(从m维到n维的映射): ϕ:x=(x1,...,xm)↦ϕ(x)=(ϕ1(x),...,ϕn(x)),(m |
今日新闻 |
推荐新闻 |
专题文章 |
CopyRight 2018-2019 实验室设备网 版权所有 |