• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利：CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法，用中文像聊天一样搜索，搜遍4000万医学文献。AI智能推荐，让科研检索更轻松。

立即免费搜索

文件翻译

保留排版，准确专业，支持PDF/Word/PPT等文件格式，支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述，25分钟生成高质量综述，智能提取关键信息，辅助科研写作。

立即免费体验

基于L1范数的二维主成分分析

L1-norm-based 2DPCA.

作者信息

Li Xuelong, Pang Yanwei, Yuan Yuan

机构信息

State Key Laboratory of Transient Optics and Photonics, Xi'an Institute of Optics and Precision Mechanics, Chinese Academy of Sciences, Xi'an, China.

出版信息

IEEE Trans Syst Man Cybern B Cybern. 2010 Aug;40(4):1170-5. doi: 10.1109/TSMCB.2009.2035629. Epub 2010 Jan 15.

DOI:10.1109/TSMCB.2009.2035629
PMID:20083461
Abstract

In this paper, we first present a simple but effective L1-norm-based two-dimensional principal component analysis (2DPCA). Traditional L2-norm-based least squares criterion is sensitive to outliers, while the newly proposed L1-norm 2DPCA is robust. Experimental results demonstrate its advantages.

摘要

在本文中，我们首先提出一种简单但有效的基于L1范数的二维主成分分析（2DPCA）。传统的基于L2范数的最小二乘准则对异常值敏感，而新提出的基于L1范数的2DPCA具有鲁棒性。实验结果证明了它的优势。

相似文献

1
L1-norm-based 2DPCA.基于L1范数的二维主成分分析
IEEE Trans Syst Man Cybern B Cybern. 2010 Aug;40(4):1170-5. doi: 10.1109/TSMCB.2009.2035629. Epub 2010 Jan 15.
2
Principal component analysis based on l1-norm maximization.基于l1范数最大化的主成分分析。
IEEE Trans Pattern Anal Mach Intell. 2008 Sep;30(9):1672-80. doi: 10.1109/TPAMI.2008.114.
3
2DPCA with L1-norm for simultaneously robust and sparse modelling.基于 L1 范数的二维主成分分析同时进行鲁棒和稀疏建模。
Neural Netw. 2013 Oct;46:190-8. doi: 10.1016/j.neunet.2013.06.002. Epub 2013 Jun 10.
4
Linear discriminant analysis based on L1-norm maximization.基于 L1-范数最大化的线性判别分析。
IEEE Trans Image Process. 2013 Aug;22(8):3018-27. doi: 10.1109/TIP.2013.2253476. Epub 2013 Mar 20.
5
Robust principal component analysis based on maximum correntropy criterion.基于最大相关熵准则的鲁棒主成分分析。
IEEE Trans Image Process. 2011 Jun;20(6):1485-94. doi: 10.1109/TIP.2010.2103949. Epub 2011 Jan 6.
6
Equivalence of some common linear feature extraction techniques for appearance-based object recognition tasks.用于基于外观的目标识别任务的一些常见线性特征提取技术的等效性。
IEEE Trans Pattern Anal Mach Intell. 2007 May;29(5):896-900. doi: 10.1109/TPAMI.2007.1074.
7
An overview and performance evaluation of classification-based least squares trained filters.基于分类的最小二乘训练滤波器的概述与性能评估
IEEE Trans Image Process. 2008 Oct;17(10):1772-82. doi: 10.1109/TIP.2008.2002162.
8
Face recognition using face-ARG matching.使用面部与自动屈光计匹配进行人脸识别。
IEEE Trans Pattern Anal Mach Intell. 2005 Dec;27(12):1982-8. doi: 10.1109/TPAMI.2005.243.
9
Multiple-view geometry under the Linfinity-norm.无穷范数下的多视图几何
IEEE Trans Pattern Anal Mach Intell. 2008 Sep;30(9):1603-17. doi: 10.1109/TPAMI.2007.70824.
10
Application of the deflection criterion to classification of radar SAR images.挠度准则在雷达合成孔径雷达（SAR）图像分类中的应用。
IEEE Trans Pattern Anal Mach Intell. 2007 Sep;29(9):1668-73. doi: 10.1109/TPAMI.2007.1121.

引用本文的文献

1
Kernel Entropy Component Analysis with Nongreedy L1-Norm Maximization.核熵成分分析与非贪婪 L1-范数最大化。
Comput Intell Neurosci. 2018 Oct 14;2018:6791683. doi: 10.1155/2018/6791683. eCollection 2018.
2
Robust Face Recognition Using the Deep C2D-CNN Model Based on Decision-Level Fusion.基于决策级融合的深度 C2D-CNN 模型的鲁棒人脸识别
Sensors (Basel). 2018 Jun 28;18(7):2080. doi: 10.3390/s18072080.
3
Iterative Schemes to Solve Low-Dimensional Calibration Equations in Parallel MR Image Reconstruction with GRAPPA.
基于 GRAPPA 的并行磁共振图像重建中求解低维校准方程的迭代算法。
Biomed Res Int. 2017;2017:3872783. doi: 10.1155/2017/3872783. Epub 2017 Sep 28.