期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
R1范数约束的流形正则化最优均值主成分分析算法 被引量:1
1
作者 卢桂馥 邹健 王勇 《小型微型计算机系统》 CSCD 北大核心 2016年第9期2050-2053,共4页
基于R1范数的主成分分析(R1-PCA)是一种鲁棒的主成分分析算法.但是R1-PCA并没有考虑样本间的流形结构;另外,由于R1-PCA是基于L2范数来对样本进行中心化的,使得其样本均值对于R1-PCA而言不是最优的.对此,提出一种R1范数约束的流形正则化... 基于R1范数的主成分分析(R1-PCA)是一种鲁棒的主成分分析算法.但是R1-PCA并没有考虑样本间的流形结构;另外,由于R1-PCA是基于L2范数来对样本进行中心化的,使得其样本均值对于R1-PCA而言不是最优的.对此,提出一种R1范数约束的流形正则化最优均值主成分分析(R1-MRPCAOM)算法.通过把流形正则化项加入到R1-PCA的目标函数中,使得R1-M RPCAOM能保持样本的流形结构;通过把均值作为待求解的变量,从而给出相对于R1-M RPCAOM的最优均值.利用半二次优化技术,设计一种求解R1-MRPCAOM的高效算法并证明了其收敛性.在数据库上的实验表明,R1-MRPCAOM比传统的PCA和R1-PCA有着更好的性能. 展开更多
关键词 主成分分析 流形正则化 鲁棒 半二次优化 r1范数
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部