一种快速的多个主成分并行提取算法

发布时间：2018-04-23 12:41

  本文选题：主成分分析 + 并行提取　； 参考：《自动化学报》2017年05期

【摘要】：主成分分析是信号处理和数据统计领域内非常重要的分析工具.针对现有多个主成分提取算法收敛速度慢的问题,提出了具有快速收敛速度的神经网络算法.该算法能够并行提取信号中的多个主成分,而不需要其他额外的操作.分别采用平稳点分析法和随机离散时间分析法对所提算法的收敛性和自稳定性进行了证明.仿真实验表明,相比现有算法,所提算法不仅具有较快的收敛速度,而且具有较高的收敛精度.
[Abstract]:Principal component analysis (PCA) is a very important tool in the field of signal processing and data statistics. Aiming at the problem of slow convergence rate of existing principal component extraction algorithms, a neural network algorithm with fast convergence rate is proposed. The algorithm can extract multiple principal components from the signal in parallel without any additional operation. The convergence and self-stability of the proposed algorithm are proved by stationary point analysis and stochastic discrete time analysis, respectively. Simulation results show that the proposed algorithm not only has a faster convergence rate but also has a higher convergence accuracy than the existing algorithm.
【作者单位】： 北京交通大学电子信息工程学院;火箭军工程大学;火箭军驻石家庄地区军事代表室;
【基金】：国家自然科学基金(61374120,61673387) 陕西省自然科学基金(2016JM6015)资助~~
【分类号】：TP183;TP391.41

【相似文献】

相关期刊论文 前10条

1 姜春燕;林和平;刘丁慧;付希金;纪永凤;;灰主成分分析研究及其应用[J];吉林大学学报(信息科学版);2007年05期

2 顾绍红;王永生;王光霞;;主成分分析模型在数据处理中的应用[J];测绘科学技术学报;2007年05期

3 黎夏,叶嘉安;主成分分析与Cellular Automata在空间决策与城市模拟中的应用[J];中国科学(D辑:地球科学);2001年08期

4 刘聪;汪明;;R软件在主成分分析中的应用研究[J];电脑知识与技术;2011年13期

5 赵丽红;张西礼;徐心和;;基于二维对称主成分分析的人脸识别[J];仪器仪表学报;2008年06期

6 邹东升;佘龙华;;改进的主成分分析方法在磁浮系统中的应用[J];振动、测试与诊断;2009年01期

7 王丽华;秦婵婵;徐洪波;;基于完全二维对称主成分分析的人脸识别[J];计算机工程;2010年12期

8 李薇;曹萍;;基于主成分分析的软件外包人才创新能力的定量评价[J];天津理工大学学报;2012年06期

9 杨军;张秀琼;高志升;袁红照;;用于人脸识别的两类主成分分析融合[J];计算机工程与应用;2010年01期

10 丁明勇;;基于对称的二维主成分分析及其在人脸识别中的应用[J];计算机应用;2008年01期

相关硕士学位论文 前10条

1 朱强强;基于多尺度主成分分析的地震数据局部斜率的计算[D];哈尔滨工业大学;2015年

2 王雪;基于主成分分析支持向量机的焊点检测方法的研究[D];河北工业大学;2015年

3 胡鹏媛;基于形态学与鲁棒主成分分析的红外小目标检测[D];西安电子科技大学;2014年

4 陆炳方;基于主成分的中学生成绩分析方法的研究[D];华南理工大学;2015年

5 蔡思佳;鲁棒主成分分析的优化模型及其在计算机视觉中的应用[D];天津大学;2014年

6 朱轩放;主成分分析和聚类在辽宁省城市职工工资分析中的应用[D];吉林大学;2016年

7 刘永志;主成分分析和聚类在科学技术数据分析中的应用[D];吉林大学;2016年

8 王海英;多元不确定仿真结果验证方法研究[D];哈尔滨工业大学;2016年

9 张浩;小样本人脸识别中基于虚拟样本和L1范数改进的核主成分技术[D];云南大学;2016年

10 贺若彬;压缩感知及其在目标追踪中的应用[D];电子科技大学;2016年

，

本文编号：1792018