R1范数约束的流形正则化最优均值主成分分析算法
基于R1范数的主成分分析(R1-PCA)是一种鲁棒的主成分分析算法.但是R1-PCA并没有考虑样本间的流形结构;另外,由于R1-PCA是基于L2范数来对样本进行中心化的,使得其样本均值对于R1-PCA而言不是最优的.对此,提出一种R1范数约束的流形正则化最优均值主成分分析(R1-MRPCAOM)算法.通过把流形正则化项加入到R1-PCA的目标函数中,使得R1-MRPCAOM能保持样本的流形结构;通过把均值作为待求解的变量,从而给出相对于R1-MRPCAOM的最优均值.利用半二次优化技术,设计一种求解R1-MRPCAOM的高效算法并证明了其收敛性.在数据库上的实验表明,R1-MRPCAOM比传统的PCA和R1-PCA有着更好的性能.
主成分分析、流形正则化、鲁棒、半二次优化、R1范数
37
TP391(计算技术、计算机技术)
国家自然科学基金项目61572033,71371012;安徽高校自然科学研究项目重大项目KJ2015ZD08;教育部人文社会科学规划项目13YJA630098
2016-10-25（万方平台首次上网日期，不代表论文的发表时间）
共4页
2050-2053
