PcA（主成分分析）算法被廣泛應(yīng)用于工程和科學(xué)研究中，本報(bào)告主要從PcA的基本結(jié)構(gòu)和基本原理對(duì)其進(jìn)行研究，常規(guī)的PcA算法主要采用線性算法，通過研究論證發(fā)現(xiàn)線性的PcA算法存在著許多不足，比如線性PcA算法不能從線性組合中把獨(dú)立信號(hào)成分分離出來(lái)，主分量只由數(shù)據(jù)的二階統(tǒng)計(jì)量—自相關(guān)陣確定，這種二階統(tǒng)計(jì)量只能描述平穩(wěn)的高斯分布等，因此必須對(duì)其進(jìn)行改進(jìn)，經(jīng)改進(jìn)后的PcA算法有非線性PcA算法、魯棒算法等。我們通過PcA算法在直線（平面）中擬和的例子說(shuō)明了PcA在工程中的應(yīng)用。本例子采用的是成分分析中的次成分（方差最小的成分），通過對(duì)結(jié)果的分析，我們可以看出，利用PcA算法可以得到較好的擬和結(jié)果。
標(biāo)簽：
PcA
主成分分析
算法
應(yīng)用于
上傳時(shí)間：
2015-07-04
上傳用戶：sevenbestfei
