卢克·斯莫尔曼；威廉·安德伍德；安德烈亚斯·阿尔特米奥 Simple Poisson PCA：一种同时确定维数的（稀疏）特征提取算法。 （英语） Zbl 1482.62020年 计算。斯达。 35，第2期，559-577（2020）. 摘要：降维工具为分析高维大数据提供了一种流行的方法。本文提出了一种非高斯数据稀疏主成分分析算法。由于我们对该算法的兴趣源于文本数据分析中的应用，因此我们将重点放在泊松分布上，泊松分布广泛用于文本数据分析。除了稀疏性之外，我们的算法还能够有效地确定模型中所需的主成分数量（顺序确定）。通过合成数据和实际数据示例证明了我们方案的良好性能。 引用于2文件 MSC公司： 62-08 统计问题的计算方法 62H25个 因子分析和主成分；对应分析 关键词：L0罚款；指数族；文本数据分析；尺寸缩减 软件：剪影 PDF格式BibTeX公司 XML格式引用 \textit{L.Smallman}等人，计算。Stat.35，No.2，559--577（2020；Zbl 1482.62020） 全文： 内政部 参考文献： [1] Bishop CM（1999）贝叶斯PCA。主题：神经信息处理系统的进展。第11卷，第382-388页 [2] Buntine，W.，EM和多项式PCA的变分扩展，马赫学习ECML，2002，23-34（2002）·Zbl 1014.68524号 [3] 柯林斯，M。；达斯古普塔，S。；Schapire，RE，《主成分分析对指数族的推广》，Adv Neural Inf Process Syst，14617-624（2002） [4] 范，J。；Li，R.，《基于非一致惩罚似然的变量选择及其预言属性》，美国统计协会，96，456，1348-1360（2001）·Zbl 1073.62547号 ·doi:10.1198/016214501753382273 [5] Frommlet，F。；Nuel，G.，L0正则化的自适应脊过程，《公共科学图书馆·综合》，11，2，1-23（2016）·doi:10.1371/journal.pone.0148620 [6] Landgraf AJ，Lee Y（2015）广义主成分分析：饱和模型参数的投影。俄亥俄州立大学统计系技术报告，（890）。可从以下位置获得：http://www.stat.osu.edu网站/yklee/mss/tr890.pdf [7] Li，J.等人。；Tao，D.，简单指数族PCA，IEEE Trans。神经网络。学习。系统。，24, 3, 485-497 (2013) ·doi:10.1109/TNNLS.2012.2234134 [8] Mackay，DJC，《概率网络和似然预测——监督神经网络实用贝叶斯方法综述》，网络计算神经系统，6，3，469-505（1995）·Zbl 0834.68098号 ·doi:10.1088/0954-898X_6_3_011 [9] 穆罕默德，S。；海勒，K。；Ghahramani，Z.，贝叶斯指数族PCA，Adv Neural Inf Process Syst，21089-1096（2009） [10] Pearson，K.，《关于最接近空间点系的直线和平面》，Lond Edib Dublin Philos Mag J Sci，2，1，559-572（1901）·JFM 32.0710.04号 ·doi:10.1080/14786440109462720 [11] Rousseeuw，PJ，Silhouettes:聚类分析解释和验证的图形辅助，《计算应用数学杂志》，20，53-65（1987）·Zbl 0636.62059号 ·doi:10.1016/0377-0427（87）90125-7 [12] 斯莫尔曼，L。；Artemiou，A。；Morgan，J.，《稀疏广义主成分分析》，《模式识别》，83，443-455（2018）·doi:10.1016/j.patcog.2018年6月14日 [13] Tibshirani，R.，通过套索进行回归收缩和选择，J R Stat Soc Ser B（Methodol），58，1，267-288（1996）·Zbl 0850.62538号 [14] 小费，ME；Bishop，CM，概率主成分分析，J R Stat Soc Ser B（Stat Methodol），61，3，611-622（1999）·Zbl 0924.62068号 ·doi:10.1111/1467-9868.00196 [15] Yi，S。；赖，Z。；何，Z。；张，Y。；Liu，Y.，联合稀疏主成分分析，模式识别，61524-536（2017）·Zbl 1428.68266号 ·doi:10.1016/j.patcog.2016.08.025 [16] 邹，H。；哈斯蒂，T。；Tibshirani，R.，稀疏主成分分析，计算机图形统计杂志，2265-286（2006）·doi:10.1198/106186006X113430 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。