为解决传统马田系统无法有效识别非线性数据问题,提出构建核主成分马田系统.该方法通过核马氏距离的构建,将马田系统和核主成分分析两种方法融合在一起,使其不但具备非线性数据识别能力,还具备数据降噪能力。实例验证表明:核主成分马田系统在降维率、识别准确率、不平衡数据处理能力、特异度和灵敏度等方面不仅优于传统马田系统,还优于BP神经网络、随机森林和逻辑回归等方法。同支持向量机递归特征消除法相比,在识别准确率和不平衡数据处理能力方面,两种方法性能接近,但当数据复杂度较高时,核主成分马田系统要优于支持向量机递归特征消除法,并且核主成分马田系统需要的维数较少,也不需要反复迭代。

（常志朋 陈闻鹤 王治莹.系统工程理论与实践.2021,41(09)）