原文服务方: 计算机应用研究       
摘要:
传统PCA存在对异常值和特征噪声敏感等问题,基于L2,1范数的PCA算法改进了这些缺点.现有的基于L2,1范数的PCA算法是通过降低矩阵的秩来实现维数约简,而秩的计算复杂.针对这一问题,提出一种新的维数约筒算法.该算法提出利用迹范数代替矩阵的秩来简化L2,1-PCA的计算,提高算法效率;对于算法的求解提出了基于拉格朗日乘子的方法并将算法应用扩展Yale B人脸数据集进行图像去噪.可视化的实验结果表明所提出的算法有效.
推荐文章
基于l2,1范数原子选择的图像分块稀疏重构
压缩感知
稀疏表示
l2,1范数选择
图像重构
图像分块
匹配追踪
基于l2,1范数原子选择的图像分块稀疏重构
压缩感知
稀疏表示
l2,1范数选择
图像重构
图像分块
匹配追踪
L2,1范数正则化的不相关判别分析及其在人脸识别中的应用
人脸识别
特征选取
子空间学习
L2,1范数
不相关判别分析
Fisher判别分析
基于迹范数的L1-PCA算法
主成分分析
迹范数
增强拉格朗日乘子
闭合形式解
奇异值分解
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 一种基于L2,1范数的PCA维数约简算法
来源期刊 计算机应用研究 学科
关键词 维数约筒 主成分分析 L2,1-PCA L2,1范数 拉格朗日乘子
年,卷(期) 2013,(1) 所属期刊栏目 算法研究探讨
研究方向 页码范围 39-41
页数 3页 分类号 TP301.6
字数 语种 中文
DOI 10.3969/j.issn.1001-3695.2013.01.008
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 樊晓平 中南大学信息科学与工程学院 236 3229 28.0 45.0
2 廖志芳 中南大学软件学院 65 468 12.0 19.0
3 刘丽敏 中南大学信息科学与工程学院 13 89 6.0 9.0
4 刘曼玲 中南大学信息科学与工程学院 26 34 3.0 5.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (29)
共引文献  (20)
参考文献  (8)
节点文献
引证文献  (10)
同被引文献  (9)
二级引证文献  (13)
1933(1)
  • 参考文献(0)
  • 二级参考文献(1)
1936(1)
  • 参考文献(0)
  • 二级参考文献(1)
1952(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(2)
  • 参考文献(2)
  • 二级参考文献(0)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(5)
  • 参考文献(1)
  • 二级参考文献(4)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(6)
  • 参考文献(0)
  • 二级参考文献(6)
2009(8)
  • 参考文献(0)
  • 二级参考文献(8)
2010(4)
  • 参考文献(1)
  • 二级参考文献(3)
2011(3)
  • 参考文献(3)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(5)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(4)
  • 二级引证文献(1)
2013(5)
  • 引证文献(4)
  • 二级引证文献(1)
2015(3)
  • 引证文献(0)
  • 二级引证文献(3)
2016(1)
  • 引证文献(0)
  • 二级引证文献(1)
2017(2)
  • 引证文献(1)
  • 二级引证文献(1)
2018(7)
  • 引证文献(3)
  • 二级引证文献(4)
2019(3)
  • 引证文献(2)
  • 二级引证文献(1)
2020(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
维数约筒
主成分分析
L2,1-PCA
L2,1范数
拉格朗日乘子
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