Nonlinear Component Analysis as a Kernel Eigenvalue Problem

Bernhard Schölkopf; Alexander J. Smola; Klaus‐Robert Müller · Neural Computation · 1998

Pagina della risorsa

Lettura rapida. Controlla i dati essenziali della risorsa e accedi al contenuto con il pulsante principale. La scheda mostra solo le informazioni necessarie per identificare, citare e aprire l’opera.

Autore / responsabile

Bernhard Schölkopf; Alexander J. Smola; Klaus‐Robert Müller

Editore

Neural Computation

Anno

1998

Lingua

Inglés

Accesso alla risorsa

Apri il contenuto dall’opzione principale o scegli un’altra fonte disponibile.

OpenAlex OpenAlex Works

Entrar por OpenAlex

Accesso principale

Pagina della risorsa

Pagina di riferimento della risorsa. La disponibilità del testo completo non è stata confermata automaticamente.

Apri risorsa

Riepilogo

Descripción general del contenido del recurso.

A new method for performing a nonlinear form of principal component analysis is proposed. By the use of integral operator kernel functions, one can efficiently compute principal components in high-dimensional feature spaces, related to input space by some nonlinear map—for instance, the space of all possible five-pixel products in 16 × 16 images. We give the derivation of the method and present experimental results on polynomial feature extraction for pattern recognition.

Come citare

Elegí el formato que necesitás y copiá la referencia al portapapeles.

APA 7

Schölkopf, B, Smola, A. J, & Müller, K. (1998). Nonlinear Component Analysis as a Kernel Eigenvalue Problem. https://doi.org/10.1162/089976698300017467

MLA

Schölkopf, Bernhard, et al. "Nonlinear Component Analysis as a Kernel Eigenvalue Problem." 1998. https://doi.org/10.1162/089976698300017467.

Chicago

Schölkopf, Bernhard, Alexander J. Smola, and Klaus‐Robert Müller. 1998. "Nonlinear Component Analysis as a Kernel Eigenvalue Problem.". https://doi.org/10.1162/089976698300017467.

Harvard

Schölkopf, B, Smola, A. J. and Müller, K. 1998, Nonlinear Component Analysis as a Kernel Eigenvalue Problem, Neural Computation, available at: https://doi.org/10.1162/089976698300017467 [Accessed 8 Aug. 2026].

Condividi e stampa

Salva la scheda, copia il link permanente o stampala in PDF.

Esporta riferimento

Esporta il record nei formati più comuni per usarlo con un gestore bibliografico.

RIS BibTeX

Dettagli della risorsa

Informazioni bibliografiche utili per verificare che sia il materiale corretto.

Titolo: Nonlinear Component Analysis as a Kernel Eigenvalue Problem

Autore / collaboratori: Bernhard Schölkopf; Alexander J. Smola; Klaus‐Robert Müller

Editore: Neural Computation

Anno di pubblicazione: 1998

Lingua: Inglés

Soggetti

Esplora risorse correlate a partire da questi soggetti.

Kernel principal component analysis; Principal component analysis; Eigenvalues and eigenvectors; Nonlinear system; Kernel (algebra); Mathematics; Pattern recognition (psychology); Pixel; Polynomial; Artificial intelligence; Kernel method; Polynomial kernel