基于K-L变换的iris数据分类 |
| |
引用本文: | 戴奇林,杨凡.基于K-L变换的iris数据分类[J].农家参谋,2018(12). |
| |
作者姓名: | 戴奇林 杨凡 |
| |
作者单位: | 成都理工大学管理科学学院 |
| |
摘 要: | 本文从K-L变换的思想和理论依据入手,阐述了特征提取的目的,并解释了K-L变换和主成分分析(PCA)的区别。最后,以iris数据作为样本,采用K-L变换对其进行分类,并得出结论:该变换可以将样本的显著特征抽取出来,在降低特征数据的维数减少运算量和存储量的同时,分类结果基本不受影响,甚至在某些次优分类方法(BP神经网络)下可能优于未经变换处理进行的分类。
|
本文献已被 CNKI 等数据库收录! |
|