本发明提供一种基于融合核的线性核化特征空间成组性的建模方法,包括给定训练样本,并根据预定概率分布函数,从训练样本中采样多个样本信号来形成约化矩阵;确定欧几里德和余弦距离测度的融合核函数并与
方法相结合后,对训练样本和约化矩阵进行核矩阵近似构造,并利用秩k特征分解核矩阵,得到虚拟样本;虚拟样本分解为虚拟训练样本和虚拟测试样本,并构建基于弹性网络正则化的预测模型,利用弹性网络正则化学习方法在虚拟训练和测试样本上进行预测模型训练和测试,得到最终的预测模型。实施本发明,能够克服现有技术存在的缺陷,使提取的特征更加能调和样本规模与特征维数的矛盾,避免小规模样本问题,从而提升性能。
声明:
“基于融合核的线性核化特征空间成组性的建模方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)