-
题名一种稀疏可控的主成分分析方法
被引量：11
- 1
-
-
作者
谭亚芳
刘娟
王才华
蒋万伟
-
机构
武汉大学计算机学院
-
出处
《计算机科学》
CSCD
北大核心
2017年第1期243-246,282,共5页
-
基金
国家自然科学基金(61272274
60970063
31270101)资助
-
文摘
主成分分析(Principal Component Analysis,PCA)是一种用线性变换选出少数重要变量(降维)的多元统计分析方法。虽然传统PCA被广泛应用于科学研究与工程领域中,但是其结果有时很难解释。因此,一些研究人员引入稀疏约束项(lasso、fused lasso以及adaptive lasso等),以得到可解释的结果。由于传统稀疏项的稀疏度不容易控制,为此引入一种新的约束项,即稀疏可控惩罚项(Sparse Controllable penalty,SCP),来控制主成分的稀疏程度。与传统的约束项相比,SCP具有长度不敏感、维度不敏感和约束项的取值范围在0到1之间的优点。这些优点极大地降低了调节稀疏度的难度。实验表明,稀疏可控主成分分析(Sparse Controllable Principal component Analysis,SCPCA)是高效的。
-
关键词
主成分分析
稀疏约束项
稀疏可控主成分分析
-
Keywords
Principal component analysis, Sparse penalty, Sparse controllable principal component analysis
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
