.png){kind=icon}
返回
Kernel Principal Component Analysis for Uncertain Data Objects and Its Application in Classification
.png){kind=icon}
PRE
AI
DOI：10.1002/asmb.70062.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
近年来，不确定数据挖掘已成为一个不断增长的研究领域。针对不确定数据执行聚类、分类、异常检测等任务的众多数据挖掘技术已被开发。主成分分析（PCA）及其扩展——核主成分分析（KPCA）是两种广泛应用于传统确定性数据降维和特征提取的知名技术。然而，据我们所知，这些技术尚未针对不确定数据进行开发。本文提出了不确定主成分分析（UPCA）和不确定核主成分分析（UKPCA）。所提出的技术考虑了不确定数据的固有不确定性，而传统技术则忽略了这种不确定性。此外，本文提出了结合所开发的UKPCA技术的决策树算法分类模型。所提出的模型能够为真实数据和合成数据实现高分类精度，尤其适用于涉及具有非线性/任意形状类别的案例。
Keyword:
data classification
kernel principal component analysis
principal component analysis
uncertain data
期刊
A
IF:
1.5
论文数:
66
被引数:
1.3K
机构
引用论文
.png){kind=icon}
分享收藏Fuzzy c-medoids method based on JS-divergence for uncertain data clustering基于JS-divergence的模糊c--medoids方法用于不确定性数据聚类
PREAI
分享收藏
查看更多内容