概率二维主分量分析

二维主分量分析是一种直接面向图像矩阵表达方式的特征抽取与降维方法.提出了一个基于二维主分量分析的概率模型.首先,通过对此产生式概率模型参数的最大似然估计得到主分量(矢量);然后,考虑到缺失数据问题,利用期望最大化算法迭代估计模型参数和主分量.混合概率二维主分量分析模型在人脸聚类问题上的应用表明概率二维主分量分析模型能作为图像矩阵的密度估计工具.含有缺失值的人脸图像重构实验阐述了此模型及迭代算法的有效性.

基于化学子空间对线性变换稳定的秩估计方法

提出了一个新的化学计量学方法 ,即线性变换下稳定的化学子空间法 ,用于二维数据的化学秩估计 .该方法的基本思想是具有化学意义的子空间对在一个方向上的二维数据的线性变换是最稳定的 .据此 ,两个新的定量指标投影残差法和子空间夹角法被提出用于衡量两个子空间之间的差异性 .对两个近红外数据的分析结果表明 ,这一方法为二维数据的化学秩估计提供了一个很有价值的工具 .