一种面向数据学习的快速PCA算法

• 作者: 余映 张立明 王斌
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: 主成分分析(PCA) 无监督学习 快速算法 子空间 协方差矩阵
• 年，卷（期）: 2009,（4）
• 所属期刊栏目: 论文与报告
• 页码范围: 567-573
• 页数: 7页
• 分类号: TP391.41
• 字数: 6183字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6059.2009.04.010

摘要

高维数据的主成分分析较难处理,因为计算时间和空间复杂度随着数据维数的增加而急剧增加.文中提出一种直接面向数据学习的PCA算法,即在迭代中新的权向量等于所有样本向量的加权和,因而不需要计算数据协方差矩阵.在解决给定样本向量或平稳随机过程的PCA问题时,该算法能够弥补目前批最算法和增量算法存在的不足.此外,在理论上证明该算法的收敛性.实验结果表明,该算法能在很少迭代次数内迅速收敛到精确解.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王斌	复旦大学电子工程系	155	1172	18.0	27.0
3	张立明	复旦大学电子工程系	104	1550	23.0	34.0
4	余映	复旦大学电子工程系	3	61	3.0	3.0