广义余弦二维主成分分析
文献类型：期刊论文
| 作者 | 王肖锋; 陆程昊; 郦金祥; 刘军 |
| 刊名 | 自动化学报
 |
| 出版日期 | 2022 |
| 卷号 | 48期号:11页码:2836-2851 |
| 关键词 | 二维主成分分析 广义余弦模型 鲁棒性 范数 降维 |
| ISSN号 | 0254-4156 |
| DOI | 10.16383/j.aas.c190392 |
| 英文摘要 | 主成分分析(Principal component analysis, PCA)是一种广泛应用的特征提取与数据降维方法,其目标函数采用L2范数距离度量方式,对离群数据及噪声敏感.而L1范数虽然能抑制离群数据的影响,但其重构误差并不能得到有效控制.针对上述问题,综合考虑投影距离最大及重构误差较小的目标优化问题,提出一种广义余弦模型的目标函数.通过极大化矩阵行向量的投影距离与其可调幂的2范数之间的比值,使得其在数据降维的同时提高了鲁棒性.在此基础上提出广义余弦二维主成分分析(Generalized cosine two dimensional PCA, GC2DPCA),给出了其迭代贪婪的求解算法,并对其收敛性及正交性进行理论证明.通过选择不同的可调幂参数, GC2DPCA可应用于广泛的含离群数据的鲁棒降维.人工数据集及多个人脸数据集的实验结果表明,本文算法在重构误差、相关性及分类率等性能方面均得到了提升,具有较强的抗噪能力. |
| 源URL | [http://ir.ia.ac.cn/handle/173211/56256]  |
| 专题 | 自动化研究所_学术期刊_自动化学报 |
| 推荐引用方式 GB/T 7714 | 王肖锋,陆程昊,郦金祥,等. 广义余弦二维主成分分析[J]. 自动化学报,2022,48(11):2836-2851. |
| APA | 王肖锋,陆程昊,郦金祥,&刘军.(2022).广义余弦二维主成分分析.自动化学报,48(11),2836-2851. |
| MLA | 王肖锋,et al."广义余弦二维主成分分析".自动化学报 48.11(2022):2836-2851. |
入库方式： OAI收割
来源：自动化研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。