基于相关性度量的伪主成分分析

• 作者: 冯爱民 孙廷凯 陈松灿
• 来源期刊: 南京航空航天大学学报
• 学科: 工学
• 关键词: 主成分分析 相似性度量 类信息 欧氏距离 人脸识别
• 年，卷（期）: 2006,（6）
• 页码范围: 732-736
• 页数: 5页
• 分类号: TP391.4
• 字数: 3980字
• 语种: 中文
• DOI: 10.3969/j.issn.1005-2615.2006.06.016

摘要

采用数据样本间的相关性作为相似性度量,并引入样本的类信息,提出一种新的降维方法,即伪主成分分析(Pseudo-PCA),该方法尽可能地保持原样本的变化信息,同时又使得降维后的同类数据样本尽可能保持相似.此外,将这种思想方法成功推广到近年来提出的2DPCA,MatPCA和(2D)2PCA.在ORL,Yale和AR等人脸数据集上的实验表明,该类方法的识别率高于相应的基于欧氏距离的PCA,2DPCA,MatPCA和(2D)2PCA等方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈松灿	南京航空航天大学信息科学与技术学院	120	1370	19.0	32.0
2	冯爱民	南京航空航天大学信息科学与技术学院	19	158	7.0	12.0
3	孙廷凯	南京航空航天大学信息科学与技术学院	1	9	1.0	1.0