鲁棒的稀疏Lp-模主成分分析

李春娜邵元海陈伟杰

浙江工业大学之江学院;

摘要：

主成分分析(Principle component analysis, PCA)是一种被广泛应用的降维方法。然而经典PCA的构造基于L2-模导致了其对离群点和噪声点敏感,同时经典PCA 也不具备稀疏性的特点。针对此问题,本文提出基于Lp-模的稀疏主成分分析降维方法(LpSPCA)。 LpSPCA 通过极大化带有稀疏正则项的Lp-模样本方差,使得其在降维的同时保证了稀疏性和鲁棒性。 LpSPCA 可用简单的迭代算法求解,并且当p ≥1时该算法的收敛性可在理论上保证。此外通过选择不同的p 值, LpSPCA可应用于更广泛的数据类型。人工数据及人脸数据上的实验结果表明,本文所提出的LpSPCA不仅具有较好的…展开v

关键词：主成分分析、稀疏性、鲁棒性、降维、Lp-模

所属期刊栏目：43

分类号：TP3;O17

资助基金：Manuscript received August 27,2015;accepted July 11,2016国家自然科学基金11201426,11371365,11426200,11426202,61603338;浙江省自然科学基金LQ13F030010, LQ17F030003, LY15 F030013;浙江省教育厅基金Y201432746资助Supported by National Natural Science Foundation of China11201426,11371365,11426200,11426202,61603338;Zhejiang Provincial Natural Science FoundationLQ13F030010, LQ17F030003, LY15F030013;Scientific Research Fund of Zhejiang Provincial Education DepartmentY201432746

在线出版日期：2017-03-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：142-151