一种用于高维大数据的协方差无关的主成分分析迭代算法

• 作者: 李晨 郭跃飞
• 来源期刊: 复旦学报（自然科学版）
• 学科: 工学
• 关键词: 主成分分析 协方差无关 高维 大数据
• 年，卷（期）: 2013,（2）
• 所属期刊栏目: 计算机科学
• 页码范围: 207-214
• 分类号: TP391.4
• 语种: 中文

摘要

主成分分析是一种大家熟知的用于维数压缩的方法.主方向是协方差矩阵的最大特征值对应的特征向量.协方差矩阵的阶数等于数据的维数.当样本维数很高时,可以用阶数等于样本数的替换矩阵来计算主方向.然而,当样本的维数与样本数都非常大(即高维大数据)的情况下,主方向的计算就变得非常困难.提出了一个协方差无关的迭代主成分分析(CIPCA)算法,用于计算高维大数据情形下的主方向.证明了该算法以指数速度单调收敛到主方向的精确值.并在高维大数据集(图像数据集)上对CIPCA算法的性能进行了验证,实验结果显示使用CIPCA算法主方向的收敛速度非常快.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭跃飞	复旦大学计算机科学技术学院	21	239	8.0	15.0
2	李晨	宁波工程学院电子与信息工程学院	4	19	2.0	4.0