10.11896/j.issn.1002-137X.2017.01.045
一种稀疏可控的主成分分析方法
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.
主成分分析、稀疏约束项、稀疏可控主成分分析
44
TP391(计算技术、计算机技术)
国家自然科学基金61272274,60970063,31270101
2017-04-10(万方平台首次上网日期,不代表论文的发表时间)
共5页
243-246,282