| 一种用于高维大数据的协方差无关的主成分分析迭代算法(英文) |
| |
| 引用本文： | 李晨,郭跃飞. 一种用于高维大数据的协方差无关的主成分分析迭代算法(英文)[J]. 复旦学报(自然科学版), 2013, 52(2): 207-214 |
| |
| 作者姓名： | 李晨 郭跃飞 |
| |
| 作者单位： | 1. 宁波工程学院电子与信息工程学院,宁波,315016
2. 复旦大学计算机科学技术学院,上海,201203 |
| |
| 摘 要： | 主成分分析是一种大家熟知的用于维数压缩的方法.主方向是协方差矩阵的最大特征值对应的特征向量.协方差矩阵的阶数等于数据的维数.当样本维数很高时,可以用阶数等于样本数的替换矩阵来计算主方向.然而,当样本的维数与样本数都非常大(即高维大数据)的情况下,主方向的计算就变得非常困难.提出了一个协方差无关的迭代主成分分析(CIPCA)算法,用于计算高维大数据情形下的主方向.证明了该算法以指数速度单调收敛到主方向的精确值.并在高维大数据集(图像数据集)上对CIPCA算法的性能进行了验证,实验结果显示使用CIPCA算法主方向的收敛速度非常快.
|
| 关 键 词： | 主成分分析 协方差无关 高维 大数据 |
A Covariance-Free Iterative Principal Component Analysis for High Dimensional and Large Scale Data |
| |
| LI Chen,GUO Yue-fei. A Covariance-Free Iterative Principal Component Analysis for High Dimensional and Large Scale Data[J]. Journal of Fudan University(Natural Science), 2013, 52(2): 207-214 |
| |
| Authors: | LI Chen GUO Yue-fei |
| |
| Affiliation: | 1.School of Electronic and Information Engineering,Ningbo University of Technology,Ningbo 315016,China;2.School of Computer Science,Fudan University,Shanghai 201203,China) |
| |
| Abstract: | |
| |
| Keywords: | principal component analysis(PCA) covariance-free high dimensional large scale |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
