KPLS子空间中基于虚假最近邻的非线性变量选择研究

Kernel Partial Least Squares;

变量选择是分类中最重要的模型选择问题之一。提出了一种新的基于局部偏最小二乘（KPLS）子空间中的最近邻（FNN）的方法，以选择简约变量作为非线性建模输入。首先，将非线性输入简化为KPLS子空间的主要成分。此外，它们的重要性的顺序是根据FNN在KPLS子空间中启发的距离度量确定的。这样，识别出了不重要的变量。最后，使用不同的参数模型研究了3个典型分类问题的变量选择。结果表明，该方法对非线性模型约简是有效的。因此，可以用于非线性系统的变量选择。

文件下载

评论信息

其他资源

免责申明

【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论【只为小站】经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见版权及免责申明

KPLS子空间中基于虚假最近邻的非线性变量选择研究

文件下载

评论信息

其他资源

免责申明

个人信息

相关资源标签

热门下载

最新下载