ICMLJun, 2023
通过对偶扩展核 PCA:稀疏性,鲁棒性和快速算法
Extending Kernel PCA through Dualization: Sparsity, Robustness and Fast Algorithms
Francesco Tonin, Alex Lambert, Panagiotis Patrinos, Johan A. K. Suykens
TL;DR本文通过 DC 函数的对偶化重新审视核主成分分析(KPCA),从而将 KPCA 自然地扩展到多个目标函数,并导致避免 Gram 矩阵的昂贵 SVD 的高效梯度下降算法。特别地,我们考虑可以写成 Moreau 套外壳的目标函数,展示了如何在同一框架中促进鲁棒性和稀疏性。提出的方法在合成和实际基准测试中进行了评估,显示出 KPCA 训练时间的显着加速以及在鲁棒性和稀疏性方面的好处。