|
|
1.
全最小一乘准则下的LGA新算法
曹慧荣 方杰
计算机应用
2010, 30 (3):
810-812.
为克服传统提取数据集中线性结构的LGA对噪声数据比较敏感的缺陷，提出了两种基于稳健的全最小一乘准则下的LGA新算法。首先证明了全最小一乘准则下数据集最优划分的存在性，并据此给出一种有限步终止算法。其次为提高计算速度，根据k-means算法、全最小一乘准则和重抽样方法给出另一种快速收敛算法。通过与传统的LGA和基于Trimmed k-means思想的稳健LGA的比较，仿真结果表明提出的算法具有较好的稳健性，可以在离群数据较多的情形下，同时找出数据集合中的所有强线性结构。
相关文章 |
多维度评价
|
|
