原文服务方: 计算机应用研究       
摘要:
为减弱离群点对数据处理的影响,提出了一种鲁棒的加权核主成分分析算法.利用核函数将样本投影到核空间,在核空间构建一个样本加权重建误差最小模型,最大限度地提取数据中的非线性信息并降低离群点样本的干扰.在Yale人脸库和UCI数据集上的实验表明,该方法具有很好的识别率,尤其对离群点样本具有较好的鲁棒性.
推荐文章
一种鲁棒的概率主成分分析方法
主成分
鲁棒
概率主成分分析
特征提取
密度敏感鲁棒模糊核主成分分析算法
相对密度
核主成分分析算法
隶属度
分类性能
鲁棒核主元分析的数据重构
核主元分析
核函数M位置估计
鲁棒核主元分析
数据重构
多线性鲁棒主成分分析
多线性鲁棒主成分分析
鲁棒主成分分析
低秩
核范数最小化
增广拉格朗日乘子法
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 鲁棒的加权核主成分分析算法
来源期刊 计算机应用研究 学科
关键词 特征提取 人脸识别 核主成分分析 鲁棒
年,卷(期) 2013,(7) 所属期刊栏目 图形图像技术
研究方向 页码范围 2230-2232
页数 3页 分类号 TP391.41
字数 语种 中文
DOI 10.3969/j.issn.1001-3695.2013.07.078
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 孟凡荣 中国矿业大学计算机科学与技术学院 81 935 16.0 28.0
2 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
3 杨开睿 中国矿业大学计算机科学与技术学院 2 31 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (3)
共引文献  (9)
参考文献  (8)
节点文献
引证文献  (2)
同被引文献  (0)
二级引证文献  (0)
1975(1)
  • 参考文献(1)
  • 二级参考文献(0)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(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)
2010(3)
  • 参考文献(3)
  • 二级参考文献(0)
2011(2)
  • 参考文献(1)
  • 二级参考文献(1)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(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)
2014(2)
  • 引证文献(2)
  • 二级引证文献(0)
研究主题发展历程
节点文献
特征提取
人脸识别
核主成分分析
鲁棒
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
计算机应用研究
月刊
1001-3695
51-1196/TP
大16开
1984-01-01
chi
出版文献量(篇)
21004
总下载数(次)
0
总被引数(次)
238385
论文1v1指导