Contents.m




 Synopsis:

  x = rbfpreimg( model )

  x = rbfpreimg( model, options  )

  x = rbfpreimg( model, options, init_point  )



 Description:

  x = rbfpreimg( model ) it is an implementation of the 

   Schoelkopf's fixed-point algorithm to solve the pre-image 

   problem for kernel expansion wiht RBF kernel [Schol98a]. 

   The kernel expansion is given in the input structure model.



  x = rbfpreimg( model, options  ) use structure options to 

   set up control parameters: 

    tmax ... maximal number of iterations.

    eps ... minimal change in the norm of the optimized vector. 



  x = rbfpreimg( model, options, init_point  ) use to set up

    starting point of the optimization otherwise it is seleceted 

    randomly.



 Input:

  model [struct] Kernel expansion:

   .Alpha [nsv x 1] Coefficients of the kernel expansion.

   .sv.X [dim x nsv] Vectors of defining the expansion.

   .options.ker [string] Must be equl to 'rbf'.

   .options.arg [1x1] Argument of the RBF kernel.

 

  options [struct] Control parameters:

   .tmax [1x1] Maximal number of iterations (default 1e6).

   .eps [1x1] Minimal change of the optimized vector x.



  init_point [dim x 1] Initial point of optimization.

  

 Output:

  x [dim x 1] Pre-image of the RBF kernel expansion.

  

 See also 

  RBFPREIMG2, RBFPREIMG3, RSRBF, KPCAREC.