第8卷第1期 智能系统学报 Vol.8 No.1 2013年2月 CAAI Transactions on Intelligent Systems Feh.2013 D0I:10.3969/j.issn.1673-4785.201210046 网络出版地址：http://ww.cnki.net/kems/detail/23.1538.TP.20130125.1522.010.html 基于Parzen窗的高阶统计量特征降维方法 闫晓波，王士同，郭慧玲 (江南大学数字煤体学院，江苏无锡214122) 摘要：高阶统计量通常能比低阶统计量提取更多原数据的信息，但是较高的阶数带来了较高的时间复杂度.基于 Pazn窗估计构造了高阶统计量，通过论证得出：对于所提出的核协方差成分分析(KCCA)方法，通过调节二阶统计 量广义D-s-E的参数就能够达到整合高阶统计量的目的，而无需计算更高阶统计量.即核协方差成分分析方法能够 对高阶统计量的特征降维的同时，又不增加计算复杂性. 关键词：核协方差成分分析：高阶统计量：Parzen窗：特征降维 中图分类号：TP181文献标志码：A文章编号：16734785(2013)010001-10 Feature reduction of high-order statistics based on Parzen window YAN Xiaobo,WANG Shitong,GUO Huiling (School of Digital Media,Jiangnan University,Wuxi 214122,China) Abstract:The high-order statistics method can often extract more information regarding original data than a low-or- der statistics;yet in the meantime create higher time complexity.The high-order statistics methods were constructed by utilizing estimation based on Parzen window.It was revealed that the kernel covariance component analysis (KCCA)method proposed earlier by the researchers,contained useful information on the high-order statistics and could be obtained by only adjusting the parameters of the proposed generalized D-vs-E.Also based on the second order statistics,the heavy computational burden about the high-order statistics can be avoided.That is to say,the KCCA method can accomplish the feature reduction of high-order statistics without increasing its computational com- plexity. Keywords:KCCA;higher-order statistics;Parzen window;feature reduction 高阶统计量方法14]是近几年国内外信号处理nent analysis)方法[I51所采用的统计量只考虑了Re 领域内的一个前沿课题，它往往比二阶统计量包含yⅵ熵，即数据集的平均向量的欧几里德长度，所以 更多更丰富的信息，并广泛应用于模式识别、信号检 KECA也可以看作是降维前后核特征空间的数据平 测、分类等问题，人们有可能从高阶统计量获得信号 均向量的欧几里德长度变化的最小化问题.而KC 的显著分类特征.但是在本文介绍的一类基于 CA(kernel covariance component analysis)方法I16则 Parzen窗的特征降维方法中，高阶统计量并没有提 是基于协方差矩阵来构造统计量D-vs-E(densities- 供更多信息，而是与二阶统计量提供的信息相当，因 vs-entropy),这种方法要求降维前后的D-vs-E尽量 此只需要使用二阶统计量就能达到这类方法所能达 接近.因为D-vs-E不仅包含了Renyi熵，更包含了 到的最好效果， 散度变小时所有样本的概率密度和，这是KECA方 R.Jenssen提出的KECA(kernel entropy compo- 法中所没有的.使用二阶统计量不仅能和KECA一 收稿日期：2012-10-22.网络出版日期：201301-25. 样揭示出数据的结构，而且增强了这种降维方法对 基金项目：国家自然科学基金资助项目(90820002)：江苏省自然科学 基金资助项目(BK2009067). 核参数选择的鲁棒性.由此考虑到高于二阶的高阶 通信作者：闫晓波.E-mail:hnpyyxbe@163.com 统计量会不会包含更多的信息，从而使此类降维方