典型文献
无监督特征选择的改进稀疏主成分分析算法
文献摘要：
为了降低稀疏主成分分析(Sparse Principal Component Analysis,SPCA)算法对高维数据集的计算复杂度,提出一种改进SPCA(Improved Sparse Principal Component Analysis,ISPCA)算法.该算法将特征选择过程分为两个阶段,第一阶段利用不带低秩惩罚项的SPCA先对数据进行一次特征选择,得到降维数据,采用矩阵的广义逆引理降低算法复杂度.第二阶段在降维数据上执行带低秩惩罚项的SPCA对降维数据再次进行特征选择.对比实验结果表明,ISPCA算法比SPCA算法受参数影响较小,特征选择性能更优,运行速度更快.
文献关键词：
主成分分析;无监督特征选择;行稀疏化;两阶段特征选择;矩阵的广义逆引理
中图分类号：
作者姓名：
范九伦;李维昊;罗绪瑞;支晓斌
作者机构：
西安邮电大学 通信与信息工程学院,陕西 西安710121
文献出处：
引用格式：
[1]范九伦;李维昊;罗绪瑞;支晓斌-.无监督特征选择的改进稀疏主成分分析算法)[J].西安邮电大学学报,2022(05):43-48
A类：
ISPCA,矩阵的广义逆引理
B类：
无监督特征选择,稀疏主成分分析,Sparse,Principal,Component,Analysis,高维数据,计算复杂度,Improved,第一阶段,低秩,低算法复杂度,第二阶段,参数影响,运行速度,行稀疏化,两阶段特征选择
AB值：
0.219974
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。
