基于伪PCA的手写数字识别算法

摘要：

PCA(Principal Component Analysis)是最重要的数据降维算法之一,针对降维过程出现的信息丢失问题,学术界说法不一.基于此,文中提出了一种新的改进算法(Similar Principal Component Analysis,SPCA),新算法在处理过程中保留了部分细节信息.以手写数字(MNIST)数据库为例,将原始向量组进行临近特征筛选,得出多维复合非正交特征向量组;将训练库所得的向量组与测试集的向量组进行比对,识别出所测试的手写数字.结果表明,该算法能够以较少量的训练样本实现对测试样本的较为完全的识别.

关键词：主成分分析、手写数字识别、非正交特征、临近特征

所属期刊栏目：45

分类号：TP391.41(计算技术、计算机技术)

资助基金：南充市校科技战略合作专项项目NC17SY4011

在线出版日期：2018-12-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：278-281,307