基于最大相关熵准则的2维主成分分析

摘要：

目的 本文针对基于最小均方差准则的主成分分析算法(如2DPCA-L(two-dimensional PCA with L-norm)算法和2DPCA-L1(two-dimensional PCA with L1-norm)算法)对外点敏感、识别率低的问题,结合信息论中的最大相关熵准则,提出了一种基于最大相关熵准则的2DPCA(2DPCA-MCC).方法 2DPCA-MCC算法采用最大相关熵表示目标函数,通过半二次优化技术解决相关熵问题,降低了外点在目标函数评价中的贡献,从而提高了算法的鲁棒性和识别精度.结果 通过对比2DPCA-MCC算法和2DPCA-L2、2DPCA-L1在ORL人脸数据库上的识别效果,表明了2DPCA-MCC算法的识别率比2维主成分分析算法的识别率最低提高了近10％,最高提高了近30％.结论 提出了一种基于最大相关熵的2DPCA算法,通过半二次优化技术解决非线性优化问题,实验结果表明,本算法能够较好地解决外点问题,显著提高识别精度,适用于解决人脸识别中的外点问题.

关键词：最大相关熵准则、主成分分析、鲁棒性、信息论、外点

所属期刊栏目：20

分类号：TP.181

资助基金：National Natural Science Foundation of China61401471;国家自然科学基金项目61401471

在线出版日期：2016-01-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1684-1688