亚历山大·阿斯普雷蒙特;弗朗西斯·巴赫;Laurent El Ghaoui 稀疏主成分分析的最优解。 (英语) Zbl 1225.68170号 J.马赫。学习。物件。 9, 1269-1294 (2008). 小结:给定一个样本协方差矩阵,我们研究了最大化输入变量线性组合所解释的方差的问题,同时限制该组合中非零系数的数量。这被称为稀疏主成分分析,在机器学习和工程中有着广泛的应用。我们对此问题提出了一种新的半定松弛方法,并导出了一种贪婪算法,该算法可以计算所有非零系数目标数的全组好解,总复杂度为(O(n^{3}),其中,\(n\)是变量数。然后,我们使用相同的松弛来导出解的全局最优性的充分条件,该条件可以在每个模式的\(O(n^{3})\)中进行测试。我们讨论了子集选择和稀疏恢复的应用,并通过人工示例和生物数据表明,我们的算法在许多情况下确实提供了全局最优解。 引用于53文件 MSC公司: 68T05型 人工智能中的学习和自适应系统 62H25个 因子分析和主成分;对应分析 关键词:PCA公司;子集选择;稀疏特征值;稀疏恢复;套索 软件:RankGene公司;DSPCA公司 PDF格式BibTeX公司 XML格式引用 \textit{A.d'Aspremont}等人,J.Mach。学习。第9号决议,1269--1294(2008年;Zbl 1225.68170) 全文: 链接