作者：曹扬; 罗予频; 杨士元主成分分析子空间分割数据降维最小化局部极小解
摘要：GPCA（Generalized Principal Component Analysis）是近几年提出的一种数据聚类和降维方法，它通过将样本聚类为不同的子空间得到样本的低维表达．GPCA方法已经被应用于图像分割、图像聚类等问题．原有的GPCA算法具有指数计算复杂度，很难应用于高维数据的实际处理．文中针对此问题，提出了基于子空间搜索的SGPCA算法，将聚类问题分解为单个平面的单个垂直向量的搜索问题，对不同子空间分别搜索，从而实现多项式复杂度算法．实验表明，新方法不仅计算复杂度低，而且对噪声的鲁棒性也更强．
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
