典型文献
基于相同稀疏模式的稀疏主成分分析算法
文献摘要：
稀疏主成分分析是一种用于降维和特征选择的无监督方法.由于计算多个主成分时主载荷向量间不具有相同的稀疏模式,导致难以从原始特征空间中确定出对主成分贡献最大的小部分变量,为解决此问题,提出一种自适应稀疏主成分分析(Adaptive sparse principal component analysis,ASPCA)算法.首先使用组套索模型,通过在载荷向量上施加块稀疏约束得出自适应稀疏主成分分析公式,随后对稀疏矩阵的不同列使用不同的调整参数获得自适应惩罚,最后运用块坐标下降法对自适应稀疏主成分分析公式进行两阶段优化,从而找到稀疏载荷矩阵和正交矩阵,实现降维的最优化.对稀疏主成分分析(Sparse principal component analysis,SPCA)算法、结构化且稀疏的主成分分析(Structured and sparse principal component analysis,SSPCA)算法和ASPCA算法进行仿真比较,结果表明ASPCA算法的降维性能更优,能提取更有价值的特征,从而显著提高了分类模型的平均分类准确率.
文献关键词：
稀疏主成分分析;稀疏模式;主载荷向量;调整参数;块坐标下降法;降维
中图分类号：
作者姓名：
邵剑飞;浦蓉;黄伟;季建杰;郭鹏
作者机构：
昆明理工大学信息工程与自动化学院,昆明 650500;云南电网有限责任公司红河供电局,红河 661100
文献出处：
引用格式：
[1]邵剑飞;浦蓉;黄伟;季建杰;郭鹏-.基于相同稀疏模式的稀疏主成分分析算法)[J].数据采集与处理,2022(05):1084-1091
A类：
稀疏模式,主载荷向量,自适应稀疏主成分分析,ASPCA,SSPCA
B类：
特征选择,无监督方法,特征空间,小部,Adaptive,sparse,principal,component,analysis,套索,块稀疏,稀疏约束,稀疏矩阵,同列,调整参数,块坐标下降法,两阶段优化,矩阵和,正交矩阵,Sparse,Structured,仿真比较,分类模型,平均分,分类准确率
AB值：
0.197595
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
