基于样本加权的格拉斯曼平均算法

摘要：

格拉斯曼平均子空间对应着高斯数据的主成分,解决了PCA的扩展性问题,但算法假定样本的贡献取决于样本的长度,这可能导致离群点对算法的干扰较强.为此,利用无监督学习数据的局部特性或监督学习中样本的类别信息建立样本的权重,从而提出一种基于样本加权的格拉斯曼平均的算法,在UCI数据集和ORL人脸数据库上的实验结果表明,新算法有好的鲁棒性并且其识别率比已有方法提高1%~2%.

关键词：样本加权、格拉斯曼平均、主成分分析法、鲁棒性

所属期刊栏目：53

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61403394;中央高校基础研究基金2015XKMS084;全国大学生创新训练计划201510290004

在线出版日期：2017-12-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：126-129