摘要
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。
Because of using L2 norm,Principal Component Analysis（PCA） method is sensitive to outliers.So this paper proposes a PCA method based on kernel function and L1 norm.It maps original data to kernel space to get a kernel matrix,and utilizes kernel function and L1 norm to minimize the distance function.Experimental result shows that the algorithm is invariant to rotations and robust to outliers and nonlinear problems,and it has higher correct recognition rate.
出处
《计算机工程》
CAS
CSCD
北大核心
2011年第22期174-175,178,共3页
Computer Engineering
基金
国家自然科学基金资助项目(61003169)
关键词
PCA-L1算法
L1范数
核主成分分析
核函数
人脸识别
PCA-L1 algorithm
L1 norm
Kernel Principal Component Analysis（KPCA）
kernel function
face recognition
