【摘要】目前众多数据具有高维度特点，含有大量与类别标签无关的特征。直接应用机器学习方法对其进行分类，不仅会消耗大量的时间，而且难以获得较好的分类性能。针对该问题，文章提出一种基于加权核主成分分析（WKPCA）的维度约简算法，依据核矩阵特征值构造核函数权重，将多个核函数进行组合加权，进而达到特征降维的目的；为了提高WKPCA的维度约简效率，构造了t类核函数并且给出了相应的理论证明；以支持向量机、随机森林和朴素贝叶斯为分类器，对6个真实的数据集进行试验分析，结果表明与全变量模型、线性主成分降维以及单个核函数降维相比，WKPCA维度约简算法可以有效提高目前主流机器学习方法的分类预测性能。