基于余弦角距离的主成分分析与核主成分分析

摘要：

PCA和KPCA都是基于欧氏距离提出的,这种距离对离群数据点比较敏感,而余弦角距离对离群数据更为鲁棒,在很多情况下具有更好的性能.充分利用余弦角距离的优势,提出两种新的特征抽取算法——基于余弦角距离的主成分分析(PCAC)和基于余弦角距离的核主成分分析(KPCAC).在YALE人脸数据库与PolyU掌纹数据库上的实验表明,PCAC比PCA取得了更好的效果,KPCAC也表现出了很好的性能.

关键词：主成分分析、核主成分分析、欧氏距离、余弦角距离

所属期刊栏目：47

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金the National Natural Science Foundation of China under Grant 60632050,60873151,60973098

在线出版日期：2011-06-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：9-12