<紀要論文>
Kernel Principal Component Regression with Application to Nonlinear Prediction

作成者
本文言語
出版者
発行日
収録物名
開始ページ
終了ページ
出版タイプ
アクセス権
JaLC DOI
関連DOI
関連URI
関連情報
概要 In this study, Kernel Principal Component Analysis (KPCA) is applied as feature selection in a high-dimensional feature space which is nonlinearly related to an input space. By using Mercer Kernels, w...e can compute principal components in a high dimensional feature space. Then, the extracted features by KPCA method are employed as a new kind of regressors in an ordinary least square regression in the feature space which is Reproducing Kernel Hilbert Space (RKHS). In the experiment, KPCR method was applied to predict the Mackey-Glass time series.続きを見る

本文ファイル

pdf p019 pdf 370 KB 440  

詳細

PISSN
EISSN
NCID
レコードID
査読有無
主題
登録日 2015.05.29
更新日 2020.11.02

この資料を見た人はこんな資料も見ています