首页 | 本学科首页   官方微博 | 高级检索  
     

带权稀疏PCA算法及其应用
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
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)》下载全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号