计算机应用

作者：葛焌迟, 赵为华

单位：南通大学 理学院，江苏 南通 226019

关键词：鲁棒分类模型,距离加权判别（DWD）,矩阵数据,主成分分析（PCA）

基金：国家社会科学基金资助项目(22BTJ025)

距离加权判别（DWD）是一种已被广泛应用的矩阵数据分类模型，当数据中存在严重的噪声污染时，该模型的性能会明显下降。鲁棒主成分分析（RPCA）因具备分离数据矩阵低秩结构和稀疏部分的特性已成为解决该问题的有效手段之一。因此，提出一种矩阵数据鲁棒距离加权判别（RDWD-2D）模型。特别地，该模型以有监督的方式对数据矩阵进行鲁棒主成分分析，并同步实现干净数据的恢复与分类。在MNIST和COIL20数据集上的实验结果表明，针对有噪声污染或数据缺失的矩阵数据，与DWD-2D、RPCA+DWD等模型相比，RDWD-2D模型有最好的数据恢复能力和最高的分类准确率；同时RDWD-2D模型对于数据污染度也有较好的鲁棒性。

来源：2024年第7期

《计算机应用》期刊编辑部

查看计算机应用杂志2024年第7期