《表4 特征提取效果对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于改进KPCA和GA-BP神经网络的电能质量稳态指标预测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

（3） 改进KPCA方法特征提取效果评价。将本文改进KPCA算法与传统KPCA算法和PCA算法的特征提取效果相比较，结果见表4。由表4可知，三种方法中累计贡献率达90%所需主成分个数最少的是KPCA算法，特征提取效果优于PCA算法。但从特征提取时间来看，PCA算法耗时最短，这是因为PCA中协方差矩阵的大小仅与输入变量的维数有关，而KPCA中核矩阵的大小与输入变量样本点的个数有关，当样本集较大时，核矩阵运算复杂，耗时久。本文采用改进的K-means算法对KPCA的核矩阵进行优化，通过聚类将原始输入变量进行划分，分别对每类样本集进行KPCA分析，减少了核矩阵的阶数，从而降低了计算复杂度，提高了运算效率。