局部光滑主成分分析

摘要：

主成分分析(Principal Component Analysis, PCA) 是机器学习领域里一个非常重要的统计方法。经典的PCA基于重构误差最小或最大化方差，其具有全局的结构性。本文在原有的方法上加入一正则项，提出一种称为局部光滑主成分分析算法(Locally Smooth PCA, LSPCA)。LSPCA不仅具有PCA大部分优点，更重要的是具备如局部光滑性等新特征。基于人脸识别的实验表明，LSPCA在维数约简、特征提取等方面具有优越性。

关键词： 局部光滑主成分分析 主成分分析 正则化 特征提取 维数约简

作者: 陈伟福 冯国灿

作者单位: 中山大学数学与计算科学学院,广州 510275

会议类型: 国内会议

会议名称: 第十五届全国图象图形学学术会议

会议地点: 广州

会议语种:中文

页码: 205-208

在线出版日期: 2010-12-10（万方平台首次上网日期，不代表论文的发表时间）