利用外逆的性质及矩阵方程MFX+YEM=M有解的充分和必要条件,研究了同一个矩阵A的若干个外逆的秩,得出了矩阵A的若干个外逆的一些秩等式,这些秩等式推广了TianY和Styan G P H(when does rank(ABC)=rank(AB)+rank(BC)-rank(B)hold·Int...利用外逆的性质及矩阵方程MFX+YEM=M有解的充分和必要条件,研究了同一个矩阵A的若干个外逆的秩,得出了矩阵A的若干个外逆的一些秩等式,这些秩等式推广了TianY和Styan G P H(when does rank(ABC)=rank(AB)+rank(BC)-rank(B)hold·Internat J Math EDSci.Technol,2002,33:127～137.)的结果.展开更多
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...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。展开更多
文摘利用外逆的性质及矩阵方程MFX+YEM=M有解的充分和必要条件,研究了同一个矩阵A的若干个外逆的秩,得出了矩阵A的若干个外逆的一些秩等式,这些秩等式推广了TianY和Styan G P H(when does rank(ABC)=rank(AB)+rank(BC)-rank(B)hold·Internat J Math EDSci.Technol,2002,33:127～137.)的结果.
文摘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。
