带权稀疏PCA算法及其应用

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。