基于 l_(2,p) 范数的鲁棒核主成分分析.pdfVIP

第41卷第1期哈尔滨商业大学学报（自然科学版)Vol.41No.1

2025年2月JournalofHarbinUniversityofCommerce(NaturalSciencesEdition)Feb.2025

基于2，范数的鲁棒核主成分分析

李文君

（安徽理工大学数学与大数据学院，安徽淮南232001）

摘要：核主成分分析（KPCA）是数据降维当中有效且常用的方法之一，应用广泛.许

多基于l1范数的KPCA算法被提出，虽然解决了经典KPCA易受异常值影响的问题，但

都忽略了不能最大限度地减少重构误差以及具有旋转不变性的问题.针对此问题,提出

一种基于l2,范数的核主成分分析算法（l2,p-KPCA）,采用l2,范数作为重构误差的距

离度量，提高了对异常值的鲁棒性．证明了算法的收敛性以及旋转不变性，保留了PCA

的旋转不变性,通过