复数数据的L1范数主成分分析
数据结构与算法
2018-05-23 v1
摘要
实值数据的L1范数主成分分析（L1-PCA）在过去十年中吸引了大量研究兴趣。然而，尽管存在许多可能的应用（例如在通信系统中），复数数据的L1-PCA至今仍未被探索。本文我们建立了复数数据矩阵L1-PCA的理论和算法基础。具体而言，我们首先证明，与Markopoulos等人最近报道的实值情形存在最优多项式代价算法不同，复数L1-PCA在数据点数量上是形式NP难的。然后，将复数L1-PCA转化为单模优化问题，我们提出了文献中首批两个次优算法用于其求解。我们的实验研究表明，复数L1-PCA对处理后数据中的错误测量/离群值具有顽健的抵抗能力。
引用
@article{arxiv.1708.01249,
title = {L1-norm Principal-Component Analysis of Complex Data},
author = {Nicholas Tsagkarakis and Panos P. Markopoulos and Dimitris A. Pados},
journal= {arXiv preprint arXiv:1708.01249},
year = {2018}
}
备注
This draft is a preprint. In case you identify a typographical error, please contact the corresponding author