矩阵奇异值分解及其在高维数据处理中的应用
矩阵奇异值分解能够实现对高维数据的局部特征提取及维数约减,在智能信息处理和模式识别研究领域具有十分重要的应用价值.首先分析了高维数据处理所面临的困境,并对常用的降维算法进行简单的归纳总结；然后阐述了矩阵奇异值分解的基本原理及其在维数约减和数据压缩中的物理意义；接着通过分析两种建立在奇异值分解基础上的PCA与LSA降维算法的数学导出过程,进一步给出了两者的等价性证明；最后总结了矩阵奇异值分解的优缺点,并且预测了高维数据处理技术未来的发展趋势.
奇异值分解、维数约减、主分量分析、隐含语义分析
41
TP3;O24
国家自然科学基金60703086;南京邮电大学校科研基金NY210043,NY210044;江苏省普通高校研究生科研创新计划CX10B_195Z
2012-02-21（万方平台首次上网日期，不代表论文的发表时间）
共7页
171-177
