一、前言
1、 线性降维的假设:从高维空间到低维空间的函数映射是线性的
2、 然而,现实任务中大多数可能需要非线性映射才能找到恰当的低维嵌入
3、 低维嵌入:低维(“本真”)空间样本点采样后以某种分布嵌入(映射)到高维空间中
二、KPCA原理
1、 非线性降维常用方法之一:基于核技巧对线性降维方法进行“核化”
2、 PCA求解目标:
a) 是样本点 在高维特征空间中的像
b) 简化得
3、 假定
是由原始属性空间中的样本点 通过映射 产生a)
b)
c) 引入核函数
d) 化简后得
,其中K为 对应的核矩阵, ,4、 新样本
,其投影后的第j维坐标为 (计算开销较大)