期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
CR-WPCA:一种针对高维小样本数据集的加权主成分分析方法
1
作者
王文杰
姜念祖
+2 位作者
林帅男
胡敏
赵瑞
《白城师范学院学报》
2024年第5期48-56,共9页
主成分分析(PCA)是典型的特征提取和数据降维方法,但在高维小样本数据集的处理中,容易出现维度灾难、计算复杂度高以及过拟合等问题.针对此问题,提出了改进的CR-WPCA方法,对样本矩阵进行方差加权,使用Chebyshev矩阵作为协方差矩阵,经Hou...
主成分分析(PCA)是典型的特征提取和数据降维方法,但在高维小样本数据集的处理中,容易出现维度灾难、计算复杂度高以及过拟合等问题.针对此问题,提出了改进的CR-WPCA方法,对样本矩阵进行方差加权,使用Chebyshev矩阵作为协方差矩阵,经Householder正交化后,利用Rayleigh-Ritz过程计算特征值.对新方法进行了Monte Carlo模拟实验并在6个公共数据集上评估了CR-WPCA方法的性能.在三个自然光数据集上,通过应用CR-WPCA方法获得的重构误差平均值达到了1.160 3;在三个高光谱数据集上,结合四种分类器应用CR-WPCA方法的分类准确率平均值为0.88.
展开更多
关键词
高维小样本
主成分分析
Chebyshev矩阵
Householder正交化
Rayleigh-Ritz过程
在线阅读
下载PDF
职称材料
主成分分析在模式识别领域中的研究进展
被引量：
6
2
作者
王文杰
石竞琛
+2 位作者
姜念祖
林帅男
赵瑞
《白城师范学院学报》
2023年第5期18-25,42,共9页
主成分分析(PCA)是基于无监督学习的线性降维方法.它可以直接对数据进行降维,也可以与独立成分分析(ICA)、支持向量机(SVM)、局部像素分组(LPG)、神经网络相结合来实现数据降维.PCA方法的变化也是多种多样,其中核主成分分析、渐进式主...
主成分分析(PCA)是基于无监督学习的线性降维方法.它可以直接对数据进行降维,也可以与独立成分分析(ICA)、支持向量机(SVM)、局部像素分组(LPG)、神经网络相结合来实现数据降维.PCA方法的变化也是多种多样,其中核主成分分析、渐进式主成分分析、双重主成分分析和二维主成分分析均得到了广泛的应用.文章介绍了PCA算法的基本原理、一般求解步骤和优缺点,重点总结了PCA算法在人脸识别、图像压缩、图像去噪等模式识别领域中的最新研究进展,最后分析了PCA降维方法在未来的研究方向.
展开更多
关键词
主成分分析
特征降维
人脸识别
图像压缩
图像去噪
在线阅读
下载PDF
职称材料
题名
CR-WPCA:一种针对高维小样本数据集的加权主成分分析方法
1
作者
王文杰
姜念祖
林帅男
胡敏
赵瑞
机构
吉林师范大学数学与计算机学院
出处
《白城师范学院学报》
2024年第5期48-56,共9页
基金
吉林省科技发展计划项目(YDZJ202201ZYTS629)。
文摘
主成分分析(PCA)是典型的特征提取和数据降维方法,但在高维小样本数据集的处理中,容易出现维度灾难、计算复杂度高以及过拟合等问题.针对此问题,提出了改进的CR-WPCA方法,对样本矩阵进行方差加权,使用Chebyshev矩阵作为协方差矩阵,经Householder正交化后,利用Rayleigh-Ritz过程计算特征值.对新方法进行了Monte Carlo模拟实验并在6个公共数据集上评估了CR-WPCA方法的性能.在三个自然光数据集上,通过应用CR-WPCA方法获得的重构误差平均值达到了1.160 3;在三个高光谱数据集上,结合四种分类器应用CR-WPCA方法的分类准确率平均值为0.88.
关键词
高维小样本
主成分分析
Chebyshev矩阵
Householder正交化
Rayleigh-Ritz过程
Keywords
high dimensional small sample
principal component analysis
Chebyshev matrix
Householder orthogonalization
Rayleigh-Ritz process
分类号
G642 [文化科学—高等教育学]
在线阅读
下载PDF
职称材料
题名
主成分分析在模式识别领域中的研究进展
被引量：
6
2
作者
王文杰
石竞琛
姜念祖
林帅男
赵瑞
机构
吉林师范大学数学与计算机学院
出处
《白城师范学院学报》
2023年第5期18-25,42,共9页
基金
吉林省科技发展计划项目(YDZJ202201ZYTS629).
文摘
主成分分析(PCA)是基于无监督学习的线性降维方法.它可以直接对数据进行降维,也可以与独立成分分析(ICA)、支持向量机(SVM)、局部像素分组(LPG)、神经网络相结合来实现数据降维.PCA方法的变化也是多种多样,其中核主成分分析、渐进式主成分分析、双重主成分分析和二维主成分分析均得到了广泛的应用.文章介绍了PCA算法的基本原理、一般求解步骤和优缺点,重点总结了PCA算法在人脸识别、图像压缩、图像去噪等模式识别领域中的最新研究进展,最后分析了PCA降维方法在未来的研究方向.
关键词
主成分分析
特征降维
人脸识别
图像压缩
图像去噪
Keywords
principal component analysis
feature dimension reduction
face recognition
image compres⁃sion
image denoising
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
CR-WPCA:一种针对高维小样本数据集的加权主成分分析方法
王文杰
姜念祖
林帅男
胡敏
赵瑞
《白城师范学院学报》
2024
0
在线阅读
下载PDF
职称材料
2
主成分分析在模式识别领域中的研究进展
王文杰
石竞琛
姜念祖
林帅男
赵瑞
《白城师范学院学报》
2023
6
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
