核矩阵列相关低秩近似分解算法-模式识别与人工智能.PDFVIP

第24 卷摇 第6 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 模式识别与人工智能摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 Vol.24摇 No.6 摇 2011年12月摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 PR AI摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 Dec摇 摇 2011 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 核矩阵列相关低秩近似分解算法* 1 1 2,3 刘松华摇 摇 张军英 摇 摇 丁彩英 1(西安电子科技大学 计算机学院摇 西安710071) 2(兰州大学 交叉学科研究中心摇 兰州730000) 3(中国科学院物理研究所 凝聚态理论与材料计算实验室摇 北京 100170) 摘摇 要摇 提出一种核矩阵低秩近似分解方法.首先针对传统核矩阵分解列与类别独立的假设,研究列之间的关系, 结合类别设计核矩阵的列选取策略.在此基础上,将核矩阵的分解分为两个阶段,与传统分解算法只考虑对角元素 占优不同,利用核矩阵列之间以及列与类别之间的关系获取的Cholesky 因子进行分解,并将其基向量扩展到整个 空间.最后给出近似误差界的期望值.该算法不需要列之间或列与类别独立的假设,将列与类别关联,能提取有判 别能力的子矩阵,并避免对核矩阵整体进行特征值分解运算,有效降低计算量.多个数据集的实验和分析验证该算 法的合理性和有效性. 关键词摇 核矩阵,不完全Cholesky分解(ICD),低秩近似,列选取 中图法分类号摇 TP391 Low鄄Rank Approximation and Decomposition for Kernel Matrix Based on Column Correlation 1 1 2,3 LIU Song鄄Hua ,ZHANGJun鄄Ying ,DING Cai鄄Ying 1(School of Computer Science and Engineering,Xidian University,Xi爷an710071) 2(Center of Interdisciplinary Studies,Lanzhou University,Lanzhou730000) 3(Laboratory of Condensed Matter Theory and Materials Computation,Institute of Physics, ChineseAcademy of Sciences,Beijing 100170) ABSTRACT An effective method of low鄄rank approximation and decomposition for kernel matrix is proposed . Firstly,aiming attheassumptionthat columnof thekernel matrix isindependentfromitsclasslabel,the correlation of columns is studied and a strategy for column selection is designed. Secondly,the kernel matrix