一种自动抑制离群点的子空间学习方法

• 作者: 刘政凯 庞彦伟
• 来源期刊: 电子与信息学报
• 学科: 工学
• 关键词: 子空间 降维 离群数据
• 年，卷（期）: 2008,（1）
• 所属期刊栏目: 论文
• 页码范围: 176-179
• 页数: 4页
• 分类号: TP391.41
• 字数: 3577字
• 语种: 中文

摘要

子空间学习如主成分分析是有效的数据降维方法.但这类方法计算的基向量受离群(outlier)数据的影响很大,导致降维后的数据不能准确地刻画数据的真实分布.为了减少离群数据的影响,该文提出了一种改进的子空间学习方法.该方法不需要直接探测离群数据的位置,而且子空间的求解可归结为特征值分解问题,具有全局最优解.仿真数据上的试验表明该方法是有效的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘政凯	中国科学技术大学电子工程与信息科学系	70	1933	22.0	42.0
2	庞彦伟	中国科学技术大学电子工程与信息科学系	29	148	8.0	10.0