發(fā)布時(shí)間：2018-05-14 03:03

  本文選題：降維 + 稀疏主成分��； 參考：《北京航空航天大學(xué)學(xué)報(bào)》2017年06期

【摘要】：在計(jì)算稀疏主成分(PCs)時(shí),由于同時(shí)求k個主成分的做法可以減少計(jì)算所產(chǎn)生的累積誤差,因此提出了基于正則化秩k矩陣逼近的稀疏主成分模型,并設(shè)計(jì)了求解該模型的塊坐標(biāo)下降法(BCD-s PCA-r SVD)。該算法的主要思想是先把變量按坐標(biāo)分成2k個塊,當(dāng)固定其他2k-1個坐標(biāo)塊的變量時(shí),求解關(guān)于單個坐標(biāo)塊的子問題并給出子問題的顯式解,循環(huán)地求解這些子問題直至滿足終止條件。該算法每次迭代的計(jì)算復(fù)雜度關(guān)于樣本個數(shù)與變量維數(shù)都是線性的,并且證明了它是收斂的。該算法不僅易于實(shí)現(xiàn),數(shù)值仿真結(jié)果表明,該算法應(yīng)用到真實(shí)數(shù)據(jù)與合成數(shù)據(jù)上都是可行且有效的。它不僅使累積誤差降低,而且具有較低的計(jì)算復(fù)雜度,因而可以有效地求解大規(guī)模稀疏主成分分析問題。
[Abstract]:In the calculation of sparse principal component (PCS), a sparse principal component model based on regularized rank k matrix approximation is proposed because the cumulative error can be reduced by finding k principal components at the same time. The block coordinate descent method is designed to solve the model. The main idea of the algorithm is to divide the variables into 2k blocks according to the coordinates. When the variables of other 2k-1 coordinate blocks are fixed, the subproblems of the single coordinate blocks are solved and the explicit solutions of the sub-problems are given. These subproblems are solved circularly until the termination conditions are satisfied. The computational complexity of the algorithm for each iteration is linear with respect to the number of samples and the dimension of variables, and it is proved that the algorithm is convergent. The numerical simulation results show that the algorithm is feasible and effective when applied to both real and composite data. It not only reduces the cumulative error, but also has low computational complexity, so it can effectively solve the large scale sparse principal component analysis problem.
【作者單位】： 北京航空航天大學(xué)數(shù)學(xué)與系統(tǒng)科學(xué)學(xué)院;
【基金】：國家自然科學(xué)基金(61172060,61403011)~~
【分類號】：TP301.6

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 尹學(xué)松;胡恩良;;半監(jiān)督正則化學(xué)習(xí)[J];小型微型計(jì)算機(jī)系統(tǒng);2010年12期

2 相文楠;趙建立;;判別正則化譜回歸[J];聊城大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年04期

3 李勇周;羅大庸;劉少強(qiáng);;基于正則化最小二乘的局部判別投影的人臉識別[J];模式識別與人工智能;2008年05期

4 莊福振;羅平;何清;史忠植;;基于混合正則化的無標(biāo)簽領(lǐng)域的歸納遷移學(xué)習(xí)[J];科學(xué)通報(bào);2009年11期

5 朱林立;戴國洪;高煒;;正則化框架下半監(jiān)督本體算法[J];微電子學(xué)與計(jì)算機(jī);2014年03期

6 劉小蘭;郝志峰;楊曉偉;馬獻(xiàn)恒;;基于最小熵正則化的半監(jiān)督分類[J];華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年01期

7 關(guān)海鷗;衣淑娟;焦峰;許少華;左豫虎;金寶石;;農(nóng)作物缺素癥狀診斷的正則化模糊神經(jīng)網(wǎng)絡(luò)模型[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2012年05期

8 劉敏;陳恩慶;楊守義;;正則化粒子濾波在水下目標(biāo)跟蹤中的應(yīng)用[J];電視技術(shù);2012年09期

9 尚曉清;楊琳;趙志龍;;基于非凸正則化項(xiàng)的合成孔徑雷達(dá)圖像分割新算法[J];光子學(xué)報(bào);2012年09期

10 劉建偉;黎海恩;劉媛;付捷;羅雄麟;;迭代再權(quán)共軛梯度q范數(shù)正則化線性最小二乘 支持向量機(jī)分類算法[J];控制理論與應(yīng)用;2014年03期

相關(guān)會議論文 前5條

1 毛玉明;郭杏林;呂洪彬;;動載荷反演問題的正則化求解[A];第18屆全國結(jié)構(gòu)工程學(xué)術(shù)會議論文集第Ⅰ冊[C];2009年

2 王彥飛;;地球物理數(shù)值反演問題的最優(yōu)化和正則化理論與方法[A];中國地球物理學(xué)會第二十七屆年會論文集[C];2011年

3 廖熠;趙榮椿;;從明暗恢復(fù)形狀方法綜述[A];中國體視學(xué)學(xué)會圖像分析專業(yè)、中國體視學(xué)學(xué)會仿真與虛擬現(xiàn)實(shí)專業(yè)、中國航空學(xué)會信號與信息處理專業(yè)第一屆聯(lián)合學(xué)術(shù)會議論文集[C];2000年

4 張瀚銘;閆鑌;李磊;;一種基于TV正則化的有限角度CT圖像重建算法[A];全國射線數(shù)字成像與CT新技術(shù)研討會論文集[C];2012年

5 熊春陽;黃建永;方競;;高性能牽引力顯微鏡方法及其在細(xì)胞力學(xué)研究中的應(yīng)用[A];中國生物醫(yī)學(xué)工程學(xué)會成立30周年紀(jì)念大會暨2010中國生物醫(yī)學(xué)工程學(xué)會學(xué)術(shù)大會報(bào)告論文[C];2010年

相關(guān)博士學(xué)位論文 前3條

1 牛善洲;基于變分正則化的低劑量CT成像方法研究[D];南方醫(yī)科大學(xué);2015年

2 王梅;正則化路徑上的支持向量機(jī)模型組合[D];天津大學(xué);2013年

3 劉小蘭;基于圖和熵正則化的半監(jiān)督分類算法[D];華南理工大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 黃樹東;協(xié)同聚類及集成的關(guān)鍵技術(shù)研究[D];西南交通大學(xué);2015年

2 白閃閃;基于L0正則化局部字典學(xué)習(xí)的視頻追蹤[D];大連理工大學(xué);2015年

3 王凱;求解斯托克斯流動問題的正則化源點(diǎn)法[D];太原理工大學(xué);2016年

4 郗仙田;正交正則化核典型相關(guān)分析的研究[D];東北電力大學(xué);2016年

5 張振月;基于范數(shù)正則化回歸的人臉識別[D];山東大學(xué);2016年

6 王吉興;拉普拉斯圖正則化的字典學(xué)習(xí)圖像去噪算法研究[D];五邑大學(xué);2016年

7 袁瑛;基于正則化的多核學(xué)習(xí)方法及應(yīng)用[D];華南理工大學(xué);2016年

8 董學(xué)輝;邏輯回歸算法及其GPU并行實(shí)現(xiàn)研究[D];哈爾濱工業(yè)大學(xué);2016年

9 朱園園;基于Log-det正則化的半徑—間隔學(xué)習(xí)方法及其應(yīng)用[D];哈爾濱工業(yè)大學(xué);2016年

10 張嬙;正則化自表示方法在蛋白質(zhì)-ATP結(jié)合位點(diǎn)預(yù)測中的應(yīng)用[D];東北師范大學(xué);2016年

，

本文編號：1886020