基于相关性度量的伪主成分分析.pdfVIP

维普资讯 第 38卷第 6期 南 京 航 空 航 天 大 学 学 报 Vo1．38NO．6 2006年 12月 JournalofNanjingUniversityofAeronautics8LAstronautics Dee．2006 基于相关性度量的伪主成分分析 孙廷凯 冯爱民 陈松灿 (南京航空航天大学信息科学与技术学院，南 京，210016) 摘要 ：采用数据样本 间的相关性作为相似性度量，并引入样本 的类信息，提 出一种新的降维方法 ，即伪主成分分 析 (Pseudo—PCA)，该方法尽可能地保持原样本 的变化信息，同时又使得 降维后 的同类数据样本尽可能保持相 似。此外，将这种思想方法成功推广到近年来提 出的2DPCA，MatPCA和 (2I))PCA。在 ORI，Yale和AR等人 脸数据集上的实验表 明，该类方法的识别率高于相应 的基于欧氏距离的PCA，2DICA，MatPCA和(2D)PCA等 方法 。 关键词 ：主成分分析 ；相似性度量 ；类信息；欧氏距 离；人脸识别 中图分类号：TP391．4 文献标识码 ：A 文章编号：1005—2615(2006)06—0732—05 CorrelationM etricBasedPseudo—PrincipalComponentAnalysis Sun7ingkai，FengAimin，ChenSongcan (CollegeofInformalionScienceandTechnology，NanjingUniversityofAeronautics＆Astronautics， Nanjing，210016，China) Abstract：A new dimensionalityreductionmethod，calledthepseudo—PCA ，isproposed，inwhich the correlationbetweenthesamplesistakenasthesimilaritymetric．M eanwhiletheclassinformationofthe samplesiSincorporated．Pseudo—PCA canpreservethevariationinformationofthesamplesandenable thedatawithin thesameclasstobesimilartoeachother．Moreover．theideaofpseudoPCA iSgeneral— izedtotherecentlyproposed2DPCA ，MatPCA and(2D)PCA．ExperimentalresultsonORI，Yaleand AR facedatasetsshow thatpseudo—PCA．一2DPCA ，一MatPCA and一(2D)PCA basedonthecorrelation metricoutperform PCA ，2DPCA ，MatPCA and (2D)PCA basedontheEuclidiandistance． Keywords：principalcomponentanalysis (PCA)；similaritymetric；classinformation；Euclidiandis— tance；facerecognition … ，W]，使得基于这组基的数据投影重建误差最小 引 目 化 ，即 主成分分析 (Principalcomponentanalysis， PCA)是基于欧氏距离度量的无监督学习方法，作