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;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;（2）主成分分析方法回顾;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;根据C的表达式建立对数极大似然函数： 进一步求得似然函数的具体表达式，其中， 接下来进行求解，通过求导，可得： ，另外根据[5], 也可令： ;经过循环计算，可以得到 的收敛值，以及 ，下面要计算特征主轴。 令 ，我们需要计算 的特征值和特征向量。 可以得到 通过公式 可以计算指定轴向量到特征空间 的投影，不用事先知道 。 ·最后可以计算重构误差： ;取 ，使用GAUSS核函数，有下面例子： ;（4）错误率分析;另外，利用[1]中的7维例子，可以得到相应的重构错误率和实验错误率，发现原方法和新方法相差无几。; 谢谢