KCCA
简介核典型相关分析(Kernel Canonical Correlation Analysis,KCCA),它的基本思想是将原始空间的样本通过一个非线性映射映射到一个特征空间,然后在特征空间利用线性典型相关分析算法，隐含地实现了原始空间非线性问题的求解。
KCCA 是目前较为常用的非线性典型相关分析方法，KCCA 可以提高原始向量空间的维度，并增加其灵活性。常用的核函数包括：线性核函数、q 阶多项式核函数、高斯径向基础函数(RBF)核函数和多层感知器(MLP)核函数。
应用 无线传感器网络