项目名称: 双线性因子分析及其拓展研究
项目编号: No.11361071
项目类型: 地区科学基金项目
立项/批准年度: 2013
项目学科: 数理科学和化学
项目作者: 赵建华
作者单位: 云南财经大学
项目金额: 40万元
中文摘要: 作为特别的线性隐藏变量模型,因子分析模型和概率主成分分析(PCA)是针 对一维(向量型)数据的流行线性降维工具,广泛应用于统计学、模式识别、机器学习、数据 挖掘等诸多领域。然而,当应用于二维(矩阵型)数据如图像时,因子分析通常会遭遇所谓的 维数灾难,因为此时需要大量的模型参数来说明模型。 为克服这一问题以及现有二维数据处理方法的不足,在课题申请人现有工作基础上,本项目将为二维数据原创性开发一个新的概率模型叫做双线性因子分析,在提出的模型基础上开展一些有应用前景的拓展性研究。模型拟合方面将开发实用和有效的最大似然估计算法;考察模型选择问题等。模型拓展方面将考虑自适应拓展、混合拓展、稳健拓展,约束均值的拓展,变分贝叶斯学习等;应用方面将考虑非监督特征提取、统计分类、聚类、缺失值填充等。
中文关键词: 维数约简;期望最大化;二维数据;概率模型;因子分析
英文摘要: As special cases of linear latent variable models, factor analysis is one of the popular dimension reduction tools for 1-D(vector-type) data, and has been widely used in statistics, pattern recognition, machine learning, etc. However, when used on 2-D(mat
英文关键词: dimension reduction;expectation maximization;two-dimensional data;probabilistic models;factor analysis