关键词principal components analysis
搜索结果 - 13
- 以内在维度索引虹膜
通过采集来自大学城相对多样的人口中的 650 多个不同个体的 1350 个独特眼睛的 28000 多张高质量虹膜图像,选择规范化虹膜图像的小部分作为快速识别未知个体时的关键部分,并将其与 1350 个独特眼睛的登记虹膜数据库匹配,从而测量这 - 多变量时间序列异常检测:先进算法与有缺陷的评估方法
多元时间序列异常检测的关键词为多元时间序列异常检测、协议、基准数据集、主成分分析和深度学习。本文总结了最近算法评估中存在的问题,并提出了一种基于主成分分析的基准算法,在一些常见的基准数据集上超越了许多基于深度学习的方法,以此促进更多关于数据 - 高维情况下的经验贝叶斯主成分分析
本文介绍了一种基于经验贝叶斯(Empirical Bayes)的主成分分析(PCA)方法,通过估计主成分的共同先验分布来降低高维的噪声,同时运用了随机矩阵理论的分布结果和近似消息传递算法进行迭代修正,实验验证了该方法可以在有强先验结构的情况 - 用于旋转不变矩阵的近似消息传递算法
本文研究了基于正交旋转不变性矩阵的更通用的近似传递算法(AMP),其中该算法的 Onsager 修正和状态演化由该矩阵的谱分布的自由累积量或矩形自由累积量定义。研究还表明,该算法用于具有先验结构的主成分分析时,可以比样本主成分更准确地进行估 - GANSpace:发现可解释的 GAN 控制
这篇论文介绍了一种简单的技术,用于分析生成对抗网络(GANs)并创建图像合成的可解释性控制,例如视角变化、衰老、照明和白天时间,通过主成分分析(PCA)在潜在空间或特征空间中应用来识别重要的潜在方向。然后,我们展示了大量可以通过沿着主要方向 - 基于深度卷积自编码器的有损图像压缩
本文提出了一种基于深度学习的图像压缩架构,利用卷积自编码器的优势达到了更高的编码效率,并利用主成分分析来产生一个更加能量紧凑的表示,实验结果表明,该方法相对于传统的图像编码算法在 Kodak 图像数据库上获得了 13.7%的 BD 速率降低 - NIPS相关主成分分析:数据和噪声相关时的主成分分析
该论文研究了主成分分析(PCA)在数据和噪声存在相关性或互相依赖的情况下的应用。通过简单的数据和噪声相关性假设,该论文提出了一种基于标准特征值分解(EVD)的 PCA 解决方案的正确性结果,并且提出了一种泛化的 EVD 方案 - clust - 广义低秩模型
本文将 PCA 技术扩展到处理包含数字、布尔、分类、有序等多种数据类型的任意数据集,提出了一种处理异构数据集的通用低秩模型,并为其提供了一些基于并行算法的实现。
- 具有部分子空间知识的鲁棒 PCA
研究了关于在假定低秩矩阵 L 的列空间有部分知识的情况下优化 PCP 方法。提出了一种称为 modified-PCP 的改进方法,减轻了 incoherence 假设,并在 stylized real 应用中与 PCP 和其他现有方法进行了 - NIPS差分隐私主成分的近似最优算法
本文探讨了不同 ially private PCA 方法的理论和实证性能,并提出了一种明确优化输出效用的新方法。我们发现其样本复杂度与现有程序的不同之处在于其与数据维度的缩放,而且在实际数据中,该方法与现有方法相比具有较大的性能差距。
- 应用离散 PCA 进行数据分析
本文介绍了一些扩展方法,并应用到常见的统计任务中,将其解释为离散版 ICA,通过支持向量机与信息检索进行文本预测任务的算法比较。
- 支持预测的改进 CS 算法用于递归鲁棒主成分追踪
本文针对计算机视觉中的主成分分析问题,提出了一种递归算法,解决了异常值和数据噪声等问题,大幅提高算法的稳健性和准确性。
- 稀疏主成分分析
使用稀疏 PCA 算法,选择最大方差的坐标子集,估计特征向量并在原始基础上重新表达,在适当的稀疏性假设下,实现一元模型的一致性估计。