西蒙·甘格尔;多门蒙格斯;日阿利克,博鲁特 一种高效的高维系统特征空间更新方案。 (英语) Zbl 1292.93066号 国际期刊申请。数学。计算。科学。 24,第1期,123-131(2014). 概要:基于主成分分析的系统已经从过去的探索性数据分析发展到当前的数据处理应用,这些应用使用变化的投影空间(特征空间)对数据向量进行编码和解码。线性系统需要求解才能获得不断更新的特征空间,在这一演变过程中,它们的尺寸显著增加。然而,用于更新特征空间的基本方案基本保持不变:(重新)每当误差超过预定阈值时计算特征空间。在本文中,我们提出了一种计算高效的本征空间更新方案,该方案专门支持任何域的高维系统。关键原理是结合优化的特征空间计算,预先选择用于更新特征空间的向量。所提出的理论分析证明了所引入方案的优越重建能力,并进一步估计了可实现的压缩比。 MSC公司: 93B60型 特征值问题 关键词:特征空间更新;投影空间;数据压缩;主成分分析 软件:JPEG2000格式 PDF格式BibTeX公司 XML格式引用 \textit{S.Gangl}等人,国际期刊应用。数学。计算。科学。24,第1号,第123--131条(2014;Zbl 1292.93066) 全文: DOI程序 参考文献: [1] Chandrasekaran,S.、Manjunath,B.、Wang,Y.、Winkeler,J.和Zhang,H.(1997)。用于图像分析的特征空间更新算法,图形模型和图像处理59(5):321-332。; [2] Gangl,S.和Zalik,B.(2011年)。《dicom图像集的部分无损压缩》,阿根廷科尔多瓦阿根廷信息技术协会,第131-136页。; [3] Han,X.(2010)。癌症分子模式发现的非负主成分分析,IEEE/ACM计算生物学和生物信息学汇刊7(3):537-549。; [4] 国际电联(2007年)。ITU-T建议H.264:通用视听服务的高级视频编码。; [5] Jin,X.-Q.和Wei,Y.-M.(2007)。关于最优和超最优预处理矩阵奇异值的简短注释,国际计算机数学杂志84(8):1261-1263·Zbl 1126.65036号 [6] Jolliffe,I.T.(1986年)。主成分分析,第1版。,施普林格,纽约州纽约市·Zbl 1011.62064号 [7] Lenz,R.和Bui,T.H.(2004)。非负模式识别,第17届模式识别国际会议论文集,2004年,英国剑桥,第3卷,第498-501页。; [8] Liu,X.,Chen,T.和Thornton,S.M.(2003)。非平稳过程的特征空间更新及其在人脸识别中的应用,模式识别36(9):1945-1959·Zbl 1035.68104号 [9] Lo,S.-C.B.,Li,H.和Freedman,M.T.(2003年)。用于图像压缩和特征保存的小波分解优化,IEEE医学成像学报22(9):1141-1151。; [10] 梅耶,C.D.(2000)。矩阵分析和应用线性代数,工业和应用数学学会,宾夕法尼亚州费城·Zbl 0962.15001号 [11] 聂义勇、李振和韩建德(2008)。矩阵特征值的原移位算法,国际计算机数学杂志85(9):1397-1411·Zbl 1149.65028号 [12] Perez Iglesias,H.、Dapena,A.和Castedo,L.(2005年)。基于主成分分析的新型视频编码方案,2005年IEEE信号处理机器学习研讨会,美国康涅狄格州迈斯蒂克,第361-366页。; [13] Richardson,I.(2003)。H.264和MPEG-4视频压缩:下一代多媒体视频编码,威利,奇切斯特。; [14] Siwek,K.、Osowski,S.和Szupiluk,R.(2009年)。电力系统准确负荷预测的集成神经网络方法,国际应用数学与计算机科学杂志19(2):303-315,DOI:10.2478/v10006-009-0026-2·Zbl 1167.93338号 [15] Skraban,J.、Dzeroski,S.、Zenko,B.、Mongus,D.、Gangl,S.和Rupnik,M.(2013)。与不同艰难梭菌核糖型定殖相关的肠道微生物群模式,PLoS ONE 8(2):e58008。; [16] Söderström,U.和Li,H.(2005)。基于主成分分析的甚低比特率全帧面部视频编码,《信号和图像处理会议论文集》,美国夏威夷州火奴鲁鲁,第127-132页。; [17] Söderström,U.和Li,H.(2007)。移动设备上用于简单解码的主成分视频编码,瑞典图像分析研讨会论文集,瑞典林克平,第47期,第149-152页。; [18] Spiegel,S.、Gaebler,J.、Lommatzsch,A.、De Luca,E.和Albayrak,S.(2011)。多元时间序列的模式识别和分类,第五届传感器数据知识发现国际研讨会论文集,传感器KDDM’11,圣地亚哥,加利福尼亚州,美国,第34-42页。; [19] Sumi,S.M.、Zaman,M.F.和Hirose,H.(2012年)。使用机器学习模型的降雨量预测方法及其在福冈市案例中的应用,国际应用数学与计算机科学杂志22(4):841-854,DOI:10.2478/v10006-012-0062-1·Zbl 1283.68305号 [20] Taubman,D.S.和Marcellin,M.W.(2002年)。JPEG2000:图像压缩基础、标准和实践,Kluwer学术出版社,马萨诸塞州波士顿。; [21] Turk,M.和Pentland,A.(1991年)。识别特征脸,认知神经科学杂志3(1):71-86。; 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。