| 带权稀疏PCA算法及其应用 |
| |
| 引用本文： | 宣士斌.带权稀疏PCA算法及其应用[J].重庆大学学报(自然科学版),2014,37(4):46-51. |
| |
| 作者姓名： | 宣士斌 |
| |
| 作者单位： | 四川大学 计算机学院，成都640005；广西民族大学 信息科学与工程学院，南宁530006 |
| |
| 基金项目： | 国家自然科学基金委员会与中国民用航空局联合资助重点项目(60736046);广西自然科学基金(2012GXNSFAA053227) |
| |
| 摘 要： | 主成份分析(PCA)算法是特征提取的重要方法之一，由于其本身没有提供更多的分类信息，直接在其上进行识别效果往往并不理想。为了提取PCA特征值中有利于识别的特征信息，提出一种带权稀疏PCA算法。它利用基本PCA算法实现去噪功能，利用Lagrange乘子方法求得使PCA特征空间中类内距离最小，类间距离最大的一组权值，并利用稀疏PCA(SPCA)算法解决维数约简和保留小特征值对应的特征向量所含的分类信息。在公开人脸数据库上对该算法进行测试，实验结果表明该算法不仅运行速度快，而且有较高的正确识别率。
|
| 关 键 词： | 成份分析 线性判别分析 套索 带权稀疏主成份分析 |
| 收稿时间： | 2013/11/12 0:00:00 |
|
| 点击此处可从《重庆大学学报(自然科学版)》浏览原始摘要信息 |
| 点击此处可从《重庆大学学报(自然科学版)》下载免费的PDF全文 |
