基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
主成分分析方法由于使用了L2范数,因此对异常值较敏感.针对该问题,提出一种基于核函数的L1范数主成分分析方法.运用核函数将原始数据映射到核空间中得到核矩阵,再利用L1范数使距离函数达到最小.实验结果表明,该算法具有旋转不变性,对异常值和非线性问题具有稳定性,且正确识别率较高.
推荐文章
基于核函数PCA的齿轮箱状态监测研究
状态监测
齿轮箱
核函数
主元分析
非线性主元
基于核函数PCA的柔性薄板装配偏差源诊断
核函数主成分分析
柔性薄板
装配
基于核PCA的智能图像分析算法
聚类
核PCA
径向基神经网络
无人监督学习
一种基于L2,1范数的PCA维数约简算法
维数约筒
主成分分析
L2,1-PCA
L2,1范数
拉格朗日乘子
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于核函数的PCA-L1算法
来源期刊 计算机工程 学科 工学
关键词 PCA-L1算法 L1范数 核主成分分析 核函数 人脸识别
年,卷(期) 2011,(22) 所属期刊栏目 人工智能及识别技术
研究方向 页码范围 174-175,178
页数 分类号 TP301.6
字数 2693字 语种 中文
DOI 10.3969/j.issn.1000-3428.2011.22.057
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 夏士雄 中国矿业大学计算机科学与技术学院 118 1158 18.0 28.0
2 李勇 中国矿业大学计算机科学与技术学院 36 252 9.0 14.0
3 梁志贞 中国矿业大学计算机科学与技术学院 14 73 5.0 8.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (4)
共引文献  (2)
参考文献  (2)
节点文献
引证文献  (4)
同被引文献  (4)
二级引证文献  (11)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2013(6)
  • 引证文献(2)
  • 二级引证文献(4)
2015(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(2)
  • 引证文献(1)
  • 二级引证文献(1)
2018(4)
  • 引证文献(0)
  • 二级引证文献(4)
2019(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
PCA-L1算法
L1范数
核主成分分析
核函数
人脸识别
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程
月刊
1000-3428
31-1289/TP
大16开
上海市桂林路418号
4-310
1975
chi
出版文献量(篇)
31987
总下载数(次)
53
总被引数(次)
317027
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导