| 一种新的广义鲁棒主成分分析(GRPCA)算法研究及应用 |
| |
| 引用本文： | 侯旭珂,杨宏伟,马方,赵丽娜.一种新的广义鲁棒主成分分析(GRPCA)算法研究及应用[J].北京化工大学学报(自然科学版),2018,45(4):82-85. |
| |
| 作者姓名： | 侯旭珂 杨宏伟 马方 赵丽娜 |
| |
| 作者单位： | 北京化工大学理学院,北京,100029;北京化工大学信息中心,北京,100029 |
| |
| 基金项目： | 国家自然科学基金（11301021/11571031） |
| |
| 摘 要： | 为恢复被混合噪声污染的低秩矩阵，提出了一种新的广义鲁棒主成分分析（GRPCA）算法。它通过最小化核范数、1范数和2，1范数的组合问题，从观测矩阵中分离出低秩部分和混合噪声部分，并用随机排序的交替方向乘子法求解。利用本文方法进行垃圾邮件分类的实验结果表明，与经典的主成分分析（PCA）和鲁棒主成分分析（RPCA）算法相比，本文方法可以有效提高垃圾邮件分类的精确度和稳定性。
|
| 关 键 词： | 广义鲁棒主成分分析(GRPCA) 降维 k近邻(kNN) 支持向量机(SVM) |
| 收稿时间： | 2017-09-06 |
A new generalized robust principal component analysis (GRPCA) algorithm |
| |
| HOU XuKe,YANG HongWei,MA Fang,ZHAO LiNa.A new generalized robust principal component analysis (GRPCA) algorithm[J].Journal of Beijing University of Chemical Technology,2018,45(4):82-85. |
| |
| Authors: | HOU XuKe YANG HongWei MA Fang ZHAO LiNa |
| |
| Institution: | 1. Faculty of Science, Beijing University of Chemical Technology, Beijing 100029, China;2. Center for Information Technology, Beijing University of Chemical Technology, Beijing 100029, China |
| |
| Abstract: | A new generalized robust principal component analysis (GRPCA) algorithm is proposed in order to recover the low-rank matrix with mixed noise pollution. It separates the low-rank part and the mixed noise part from the observation matrix by minimizing the combination of the kernel norm, the 1 norm, and the 2,1 norm, and then solving by a randomly permuted alternating direction multiplier method. Using spam classification as an example and a comparison with the classic methods PCA and RPCA shows that this method can effectively improve the accuracy and robustness of spam classification. |
| |
| Keywords: | generalized robust principal component analysis(GRPCA) dimensionality reduction k-nearest neighber (kNN)" target="_blank">k-nearest neighber (kNN)')">k-nearest neighber (kNN) support vector machines(SVM) |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《北京化工大学学报(自然科学版)》浏览原始摘要信息 |
| 点击此处可从《北京化工大学学报(自然科学版)》下载免费的PDF全文 |
