一种自适应权值的PCA算法

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (3): 189-191.

• 图形、图像、模式识别 • 上一篇下一篇

一种自适应权值的PCA算法

杨开睿，孟凡荣，梁志贞

中国矿业大学计算机科学与技术学院，江苏徐州 221116

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2012-01-21 发布日期:2012-01-21

Adaptively weighted PCA algorithm

YANG Kairui, MENG Fanrong, LIANG Zhizhen

School of Computer Science and Technology, China University of Mining and Technology, Xuzhou, Jiangsu 221116, China

Received:1900-01-01 Revised:1900-01-01 Online:2012-01-21 Published:2012-01-21

摘要/Abstract

摘要： 针对传统PCA方法对离群点鲁棒性差的问题，提出了一种具有更高鲁棒性且自适应权值的PCA方法。在PCA方法的基础上建立了一个加权的重建误差和最小模型，通过引入信息熵来调节重建误差的权值；通过交替优化算法迭代求解模型。在Yale人脸库和UCI数据集上的实验表明该方法具有很好的鲁棒性和识别率。

关键词: 特征提取, 主成分分析, 加权主成分分析, 重建误差, 鲁棒性

Abstract: Considering the sensitivity of PCA to outliers, a new adaptive weighted PCA is proposed to improve the robustness. Based on PCA, an optimization model by minimizing the weighted reconstruction error is constructed. Information entropy is introduced to adjust the weight of each sample’s reconstruction error. An iterative optimization algorithm is used to solve the model. Experiment results on Yale face database and UCI data sets show the robustness and recognition of the method.

Key words: feature extraction, Principal Component Analysis（PCA）, Weighted Principal Component Analysis（WPCA）, reconstruction error, robustness

杨开睿，孟凡荣，梁志贞. 一种自适应权值的PCA算法[J]. 计算机工程与应用, 2012, 48(3): 189-191.

YANG Kairui, MENG Fanrong, LIANG Zhizhen. Adaptively weighted PCA algorithm[J]. Computer Engineering and Applications, 2012, 48(3): 189-191.

[1]	包志强，邢瑜，吕少卿，黄琼丹. 改进YOLO V2的6D目标姿态估计算法[J]. 计算机工程与应用, 2021, 57(9): 148-153.
[2]	许德刚，王露，李凡. 深度学习的典型目标检测算法研究综述[J]. 计算机工程与应用, 2021, 57(8): 10-25.
[3]	乔慧，周水生. 非线性角度2DPCA及其在人脸识别中的应用[J]. 计算机工程与应用, 2021, 57(8): 112-118.
[4]	胡文涛，陈秀宏. 基于邻域图的低秩投影学习[J]. 计算机工程与应用, 2021, 57(7): 209-214.
[5]	张晓丽，张魁星，江梅，魏本征，丛金玉. 淋巴瘤图像分类技术研究综述[J]. 计算机工程与应用, 2021, 57(6): 1-9.
[6]	于多，黄永东. 基于SPCA和域变换递归滤波的高光谱图像分类[J]. 计算机工程与应用, 2021, 57(4): 199-208.
[7]	熊健，覃仁超，何梦乙，刘建兰，唐风扬. 改进随机森林在Android恶意软件检测中的应用[J]. 计算机工程与应用, 2021, 57(3): 130-136.
[8]	白祉旭，王衡军，郭可翔. 基于深度神经网络的对抗样本技术综述[J]. 计算机工程与应用, 2021, 57(23): 61-70.
[9]	李龙龙，何东健，王美丽. 基于改进型LBP算法的植物叶片图像识别研究[J]. 计算机工程与应用, 2021, 57(19): 228-234.
[10]	李杰，李苗，袁细国. 面向新一代测序数据的病原微生物检测算法[J]. 计算机工程与应用, 2021, 57(19): 282-289.
[11]	郭恒光，刘文彪，余仁波. 用于形状特征提取的spike函数[J]. 计算机工程与应用, 2021, 57(18): 220-226.
[12]	李振强，王树才，赵世达，白宇. 改进DeepLabv3+和XGBoost的羊骨架切割方法[J]. 计算机工程与应用, 2021, 57(18): 263-269.
[13]	沈少禹，蔡满春，芦天亮，赵琪. 基于LFKPCA-DWELM的入侵检测方案[J]. 计算机工程与应用, 2021, 57(17): 130-137.
[14]	刘星辰，贾俊铖，张莉，胡沁涵. 图像超分辨率特征浓缩网络[J]. 计算机工程与应用, 2021, 57(16): 213-219.
[15]	李松，刘哲，唐小妹，吴健，王飞雪. 基于固定点迭代的Huber鲁棒容积卡尔曼滤波算法[J]. 计算机工程与应用, 2021, 57(16): 90-96.

一种自适应权值的PCA算法

Adaptively weighted PCA algorithm

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics