Resumen

Las características basadas en matrices pueden proporcionar información válida e interpretable para datos basados en matrices como imágenes. El análisis de componentes principales basado en kernel de matriz (MKPCA) es una forma de extraer características basadas en matrices. La característica basada en matriz extraída es útil tanto para la reducción de dimensiones como para el análisis de estadísticas espaciales de una imagen. En contraste, la eficiencia de MKPCA está altamente restringida por la dimensión de los datos de matriz dados y el tamaño del conjunto de entrenamiento. En este documento, se propone un método incremental para extraer características de un conjunto de datos basado en matrices. El método es metodológicamente consistente con MKPCA y puede mejorar la eficiencia seleccionando incrementalmente la matriz de proyección adecuada de MKPCA rotando el subespacio actual. El rendimiento del método propuesto se evalúa realizando varios experimentos tanto en conjuntos de datos de puntos como de imágenes.

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Características basadas en matrices; Imagen; Análisis de componentes principales basado en núcleos de matrices; Reducción de dimensiones; Análisis de estadísticas espaciales; Método incremental
• Keywords:Matrix-based features; Image; Matrix-based kernel principal component analysis; Dimension reduction; Spatial statistics analysis; Incremental method