基于最大间隔超平面的增强特征提取算法

？核主成分分析（kpca）与多层感知器（mlp）是流行的特征提取算法，但这些算法存在效率低下与易陷于局部最优解等问题。针对kpca与mlp算法存在的问题，提出了一个新颖的特征提取算法——基于最大间隔超平面的增强的特征提取算法（efe）。该算法独立于输入样本的概率分布，通过采用隔间最大化且两两正交的最大分割超平面，将输入样本映射到超平面的法线所张成的子空间中，实现输入样本的特征提取。在对现实世界数据集wine与ar的特征提取的实验表明，基于最大间隔超平面的增强特征提取算法在执行效率、识别准确率方面均超出了kpca与mlp的执行效率与识别准确率。