鲁棒的稀疏Lp-模主成分分析

• 作者: 李春娜 邵元海 陈伟杰
• 来源期刊: 自动化学报
• 关键词: 主成分分析 稀疏性 鲁棒性 降维 Lp-模
• 年，卷（期）: 2017,（1）
• 页码范围: 142-151
• 页数: 10页
• 字数: 8148字
• 语种: 中文
• DOI: 10.16383/j.aas.2017.c150512

摘要

主成分分析(Principle component analysis, PCA)是一种被广泛应用的降维方法。然而经典PCA的构造基于L2-模导致了其对离群点和噪声点敏感,同时经典PCA 也不具备稀疏性的特点。针对此问题,本文提出基于Lp-模的稀疏主成分分析降维方法(LpSPCA)。 LpSPCA 通过极大化带有稀疏正则项的Lp-模样本方差,使得其在降维的同时保证了稀疏性和鲁棒性。 LpSPCA 可用简单的迭代算法求解,并且当p ≥1时该算法的收敛性可在理论上保证。此外通过选择不同的p 值, LpSPCA可应用于更广泛的数据类型。人工数据及人脸数据上的实验结果表明,本文所提出的LpSPCA不仅具有较好的降维效果,并且具有较强的抗噪能力。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈伟杰	浙江工业大学之江学院	18	116	6.0	10.0
2	邵元海	浙江工业大学之江学院	10	53	4.0	7.0
3	李春娜	浙江工业大学之江学院	4	11	2.0	3.0