一种稀疏可控的主成分分析方法

• 作者: 刘娟 王才华 蒋万伟 谭亚芳
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 主成分分析 稀疏约束项 稀疏可控主成分分析
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 人工智能
• 页码范围: 243-246,282
• 页数: 5页
• 分类号: TP391
• 字数: 5673字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2017.01.045

摘要

主成分分析(Principal Component Analysis,PCA)是一种用线性变换选出少数重要变量(降维)的多元统计分析方法.虽然传统PCA被广泛应用于科学研究与工程领域中,但是其结果有时很难解释.因此,一些研究人员引入稀疏约束项(lasso、fused lasso以及adaptive lasso等),以得到可解释的结果.由于传统稀疏项的稀疏度不容易控制,为此引入一种新的约束项,即稀疏可控惩罚项(Sparse Controllable penalty,SCP),来控制主成分的稀疏程度.与传统的约束项相比,SCP具有长度不敏感、维度不敏感和约束项的取值范围在0到1之间的优点.这些优点极大地降低了调节稀疏度的难度.实验表明,稀疏可控主成分分析(Sparse Controllable Principal component Analysis,SCPCA)是高效的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘娟	武汉大学计算机学院	90	502	13.0	18.0
2	王才华	武汉大学计算机学院	2	16	1.0	2.0
3	谭亚芳	武汉大学计算机学院	1	16	1.0	1.0
4	蒋万伟	武汉大学计算机学院	3	26	2.0	3.0