李勇
- 作品数:3 被引量:10H指数:3
- 供职机构:中国矿业大学计算机科学与技术学院更多>>
- 发文基金:国家自然科学基金更多>>
- 相关领域:自动化与计算机技术更多>>
- 基于核函数的PCA-L1算法被引量:4
- 2011年
- 主成分分析方法由于使用了L2范数,因此对异常值较敏感。针对该问题,提出一种基于核函数的L1范数主成分分析方法。运用核函数将原始数据映射到核空间中得到核矩阵,再利用L1范数使距离函数达到最小。实验结果表明,该算法具有旋转不变性,对异常值和非线性问题具有稳定性,且正确识别率较高。
- 李勇梁志贞夏士雄
- 关键词:L1范数核主成分分析核函数人脸识别
- Lp范数约束下的最大化L1范数主成分分析被引量:3
- 2013年
- 针对主成分分析在处理污染数据时的敏感性且其投影向量非稀疏的特性,提出一种鲁棒主成分分析的优化模型.该模型的目标函数采用L1范数且投影向量受Lp范数约束.范数约束下的主成分分析算法被用来求解该模型且其理论分析表明该算法可取得局部最优解.另外把核函数嵌入到线性模型并给出核方案.通过在UCI数据集和人脸库上的实验表明该算法的可行性和有效性.
- 梁志贞李勇夏士雄周勇
- 关键词:主成分分析LP范数敏感性核函数
- 基于L_p范数的2DPCA的人脸识别方法被引量:3
- 2013年
- 主成分分析(PCA)是降维的一种经典方法。二维主成分分析(2DPCA)在特征抽取之前不需要将图像矩阵转化为向量形式,所以能快速地提取特征。但是基于L2范数的PCA和2DPCA在遇到异常值时的表现不稳定而且得到的向量通常不是稀疏的。提出了一种基于L1范数的且受Lp范数约束的2DPCA方法(2DPCA-Lp)。当参数p接近1时,它可以得到稀疏的解。该方法既具有2DPCA的快速方便性,又是泛化的并且对异常值较不敏感。同时也证明该方法可以取得一个局部最大化的解。通过在ORL和UMIST人脸库上的实验表明了该方法的有效性。
- 李勇梁志贞夏士雄
- 关键词:主成分分析LP范数