模式识别论文报告---- 稀疏核的主成分分析 - 北京大学.pptVIP

模式识别论文报告---- 稀疏核主成分分析 李武璐（1001110012） 吕唐杰（1101110035） 目录： （1）内容简介 （2）主成分分析回顾 （3）稀疏核方法及应用 （4）错误率分析 （1）内容简介 本文研究了如何从一组特征中生成一组新的特征的方法，是主成分分析方法的推广，利用稀疏核，使得计算中可以大量减少新的特征数量，可以减少后期的计算量和复杂度。 本文的方法在简化问题的同时保证了良好的计算效果，错误率和原方法类似。 （2）主成分分析方法回顾 主成分分析（PCA）： 利用一组原有的特征，计算出一组按照重要性从大到小排列的新特征。 设 为原有的n个特征，新特征 是原始特征的线性组合 使得 之间不 相关。 事实上，设 为x的协方差矩阵，则 为第i个特征值对应的特征向量。 ·核函数主成分分析（Kernel PCA） 设有映射 ，定义核函数k: 可以得到核函数矩阵 具体是 我们可以在不知道 的具体表达式 的前提下，通过k得到需要的结论。 对90个样本点使用核函数方法，得到不同特 征值对应的特征向量在特征空间上的投影 （3）稀疏核方法及应用 从核函数PCA出发，令