一种新型多核判别分析方法.docx

一种新型多核判别分析方法
标题：一种新型多核判别分析方法
摘要：
多核判别分析（MultipleKernelDiscriminantAnalysis,MKDA）是一种用于高维数据分类的重要方法。然而，传统的MKDA方法存在着如何选择最优核函数以及多核融合的问题。为此，本文提出了一种新型多核判别分析方法，通过解决核选择和核融合问题，提高了多核判别分析的分类性能。本文首先介绍了MKDA的基本原理，然后详细阐述了所提出的新型多核判别分析方法，包括核选择和核融合策略。实验结果表明，所提出的方法在不同的数据集上具有优异的性能，在实际应用中具有很大潜力。
关键词：多核判别分析、核选择、核融合、分类性能、实验结果
1.引言
多核判别分析是一种有效的高维数据分类方法，在图像识别、生物信息学等领域得到了广泛应用。传统的MKDA方法通常将多个核函数线性融合，从而用于分类任务。然而，如何选择最优的核函数以及如何融合多个核函数，一直是MKDA领域的重要问题。
2.MKDA的基本原理
MKDA是一种基于二次判别分析（QuadraticDiscriminantAnalysis,QDA）的高维数据分类方法。MKDA的目标是找到一个最优的投影方向，使得同类样本之间的距离最小化，不同类样本之间的距离最大化。MKDA通过将样本映射到高维特征空间中，利用核函数描述样本之间的相似度，进一步提高分类性能。
3.新型多核判别分析方法
本文提出了一种新型的多核判别分析方法，该方法包括了核选择和核融合两个重要步骤。
3.1核选择策略
核选择是指在多个核函数中选择最优核函数的过程。传统的方法通常使用交叉验证方法，在一定范围内搜索最优的核函数参数。然而，这种方法不仅计算复杂度高，而且无法保证找到全局最优解。为此，本文提出了一种基于聚类的核选择策略。首先，将核矩阵聚类成若干子核组，然后通过优化目标函数，找到最佳的子核组，进一步选择最优核函数。
3.2核融合策略
核融合是指将多个核函数线性组合成一个新的核函数的过程。传统的方法通常使用简单的线性组合方式，如加权平均。然而，这种方法往往无法充分利用不同核函数的特性。为此，本文提出了一种基于熵权法的核融合策略。通过计算不同核函数的权重，融合得到一个最优的核函数，从而提高分类性能。
4.实验结果与分析
本文在多个公开数据集上进行了实验，对比了所提出方法与传统的MKDA方法以及其他常见的分类方法。实验结果表明，所提出的方法在不同的数据集上都具有明显的优势。通过核选择策略，选择了最适合的核函数；通过核融合策略，将不同核函数的优势充分利用，提高了分类性能。
5.结论与展望
本文提出了一种新型的多核判别分析方法，通过解决核选择和核融合问题，提高了多核判别分析的分类性能。实验结果表明，所提出的方法在不同数据集上都具有优异的性能。未来的研究可以进一步探索更多的核函数选择和融合策略，进一步提升多核判别分析的性能。
参考文献：
1.YangJ,YuK,GongY.Multiplekernellearningforvisualtracking[C]//ComputerVisionandPatternRecognition.IEEE,2009.
2.LanckrietGR,CristianiniN,BartlettP,etal.Learningthekernelmatrixwithsemidefiniteprogramming[C]//Journalofmachinelearningresearch.MITpress,2004,5(Nov):27-72.
3.CortesC,MohriM,RastogiR.Learningnon-linearcombinationsofkernels[C]//Advancesinneuralinformationprocessingsystems.2008:396-404.
4.XuH,CaramanisC,MannorS,etal.Sparsealgorithmsarenotstable:Ano-free-lunchtheorem[J].IEEETransactionsonPatternAnalysisandMachineIntelligence,2011,34(1):187-193.