基于函数主成分的函数型数据分类研究

摘要：

不同属性特征可以反映出数据不同的内在信息,越多的差异性特征对机器识别就更有利,但是越多的特征数目引起数据更高复杂度.针对函数型数据最主要的函数性和导数性这两大特征,本文提出对函数型数据函数特征、一阶导数特征和二阶导数特征的组合集成方法,然后引入函数型主成分分析的方法解决数据的复杂性问题,最后通过函数型主成分距离度量方式,采用k近邻(knn)分类以达到分类的效果.实验分析表明了函数型主成分分析方法与混合多特征组合距离的结合,在函数型数据分类中的有效性.

关键词：函数型数据、函数型主成分分析、特征组合、距离度量、knn

所属期刊栏目：32

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目11571267

在线出版日期：2019-05-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：48-56