文献类型：期刊文献

中文题名：概率二维主分量分析

英文题名：Probabilistic Two-dimensional Principal Component Analysis

作者：卿湘运[1];王行愚[1]

机构：[1]华东理工大学信息科学与工程学院,上海200237

年份：2008

卷号：34

期号：3

起止页码：353

中文期刊名：自动化学报

外文期刊名：Acta Automatica Sinica

收录：CSTPCD;;EI(收录号：20081711222828);Scopus;北大核心:【北大核心2004】；CSCD:【CSCD2011_2012】；PubMed;

基金：国家自然科学基金(60674089);教育部博士点基金(20040251010)资助~~

语种：中文

中文关键词：主分量分析,二维主分量分析,期望最大化算法,缺失数据

外文关键词：Principal component analysis（PCA）;two-dimensional principal component analysis（2DPCA）;expectationmaximization（EM）algorithm;missing data

摘要：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.
Two-dimensional principal component analysis（2DPCA）is an approach to feature extraction and dimen- sionality reduction for an image represented straightforward as a matrix.In this paper,a probabilistic model for 2DPCA, called P2DPCA,is proposed.First,the principal components（vectors）are derived through maximum-likelihood estima- tion of parameters in the generative probabilistic model.Then,due to dealing properly with missing data,we present an expectation-maximization（EM）algorithm for estimating the parameters of the model and principal components.The application to cluster face images using mixtures of P2DPCA models shows that P2DPCA model can be a tool for density-estimation of image matrix.Experimental results on face image reconstruction with missing data illustrate the effectiveness of the model and the EM iterative algorithm.