一种面向数据学习的快速PCA算法 A Fast Data-Oriented Algorithm for Principal Component Analysis.pdfVIP

下载本文档

135
0
约2.25万字
约 7页
2017-09-03 发布于湖北
举报
版权申诉

一种面向数据学习的快速PCA算法 A Fast Data-Oriented Algorithm for Principal Component Analysis.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

第22卷第4期模式识别与人工智能 V01．22No．4 2009年8月 PR＆AI Aug2009 一种面向数据学习的快速PCA算法余映1 王斌1’2 张立明1 1(复旦大学电子工程系上海200433) 2(复旦大学信息科学与工程学院波散射和遥感信息教育部重点实验室上海200433) 摘要高维数据的主成分分析较难处理，因为计算时间和空间复杂度随着数据维数的增加而急剧增加．文中提出一种直接面向数据学习的PCA算法，即在迭代中新的权向量等于所有样本向量的加权和，因而不需要计算数据协方差矩阵．在解决给定样本向量或平稳随机过程的PCA问题时，该算法能够弥补目前批最算法和增量算法存在的不足．此外，在理论上证明该算法的收敛性．实验结果表明，该算法能在很少迭代次数内迅速收敛到精确解．关键词主成分分析(PCA)，无监督学习，快速算法，子空间，协方差矩阵 391．41 中图法分类号TP AFastData-Orientedfor AlgorithmPrincipalComponentAnalysis YU Binl”，ZHANG Yin91，WANG Li．Min91 Electronics 200433) 1(Departmentof Engineering，FudanUniversity，Shanghai Wave andRemote 2(TheKeyLaboratoryof Scattering Information(MinistryofEducation)， Sensing School Scienceand 200433) ofInformation Engineering，FudanUniversity，Shanghai ABSTRACT dataisa difficult becausethe Principalcomponents high—dimensional problem analysis(PCA)for timeand as dimensionsincrease．A the increasethedata computational spacecomplexityrapidly andcovariance-freePCA is theideathatthe data—oriented algorithmproposed，inspiredby updated initerationis the ofall a environmentorthe stationary eigenvector weightedaverage samples．In conditionthatall areavailable．the i