자료집합에서 임의의 자료가 추가 또는 삭제된 경우 변경된 고유벡터 구하는 기법
A method of obtaining modified eigenvectors in case of adding or removing data in data set
1
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
일반적으로 공분산행렬(covariance matrix)을 이용하여 고유벡터(eigenvector)를 계산한다. 임의의 자료가 추가되거나, 삭제되면, 전체 자료집합이 변경되고, 공분산행렬의 내용이 바뀐다. 따라서 고유벡터를 다시 계산해야 한다. 이때 다시 계산하는 과정이 없이, 변경된 고유벡터를 구하는 새로운 방법을 제안한다. 제안한 방법은 기존의 자료집합에서 얻어진 고유벡터와 첨삭할 자료를 이용하여 변경된 고유벡터를 구하는 방법이다. 제안된 방법은 계산량을 줄일 수 있다는 장점이 있다.
Abstract
The eigenvectors are calculated using a covariance matrix. If some data is added or removed, the data set changes, and the covariance matrix is also changed. Therefore, the eigenvectors must be recalculated totally. This paper propose a new method to find the modified eigenvectors without recalculation. To obtain modified eigenvectors, the proposed method use modifying data and already known eigenvectors. The proposed method has the advantage of reducing the computational cost.
참고문헌 (16)
- Y. Kim, "Incremental Principal Components Analysis for Image Processing", Optics Letters, 32(1) (2007)
- Z Haitao, "A Novel Incremental Principal Component Analysis and Its Application for Face Recognition", IEEE Transactions on Systems, Man and Cybernetics, Part B (Cybernetics), 36, pp.873~886 (2006)
- Wang Li, "An Accurate Incremental Principal Component Analysis method with capacity of update and downdate", 2011 International Conference on Computer Science and Information Technology, pp.118~123 (2011)
- Xueqiang ZENG, "Covariance Free Incremental Principal Component Analysis with Exact Mean Update", Journal of Computational Information Systems, 9(6), pp.6703~6710 (2013)
- Gene H. Golub, "Some modified matrix eigenvalue problems", SIAM, 15(2), pp.318~334 (1973)
- P. E. Gill, "Methods for modifying matrix factorizations", Mathematics of Computation, 28, pp.505~535 (1974)
- J. R. Bunch, "Rank-One modification of the symmetric eigenproblem", Numer. Math, 31, pp.31~48 (1978)
- P. Hall, "Incremental eigenanalysis for classification", British Machine Vision Conference, 1, pp.286~295 (1998)
- P. Arbenz, "Restricted Rank Modification of the Symmetric Eigenvalue Problem : Theoretical Considerations", Linear Algebra Appl, 104, pp.75~95 (1988)
- X. Liu, "Shot Boundary Detection Using Temporal Statistics Modeling", Proceedings of IEEE ICASSP 2002, 4, pp.3389~3392 (2002)
- D. Erdogmus, "Recursive principal components analysis using eigenvector matrix perturbation", Journal on Applied Signal Processing, 13, pp.2034~2041 (2004)
- Yongmin Li, "On Incremental and Robust Subspace Learning", Pattern Recognition, 37(7), pp.1509~1518 (2004)
- W. H. Press, "Numerical Recipes in C" (2002), CambridgeUniversity Press
- 박혜영, "클래스 정보와 변형 정보를 활용한 노이즈에 강건한 매니폴드 학습", 한국차세대컴퓨팅학회 논문지, 9(5), pp.38~48 (2013), 한국차세대컴퓨팅학회
- 서호, "An Efficient Approach for Eigen-joints-based 3D Activity Recognition", 한국차세대컴퓨팅학회 논문지, 11(4), pp.15~23 (2015), 한국차세대컴퓨팅학회
- 알람 사루알, "Alzheimer disease classification by combination of SRAN, Linear SVM, PCA, and VBM", 한국차세대컴퓨팅학회 논문지, 11(4), pp.37~46 (2015), 한국차세대컴퓨팅학회