版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、主元分析作為一種多元統(tǒng)計(jì)分析方法,廣泛應(yīng)用于數(shù)據(jù)處理和簡(jiǎn)化中。這種方法試圖通過對(duì)數(shù)據(jù)協(xié)方差矩陣進(jìn)行對(duì)角化,從而找到數(shù)據(jù)中最主要的元素和結(jié)構(gòu),去除噪音和冗余,對(duì)原數(shù)據(jù)進(jìn)行簡(jiǎn)化處理。然而,在多元線性分析方法中,當(dāng)求解因變量對(duì)自變量的回歸時(shí),得到的組合系數(shù)往往均不為零,因此這種回歸模型的主要缺點(diǎn)是缺乏可解釋性。主元分析中的主元作為從數(shù)據(jù)中提取出來的主要信息,是所有自變量的線性組合,因此也存在這樣的缺點(diǎn)。Tibshirani在1996年提出的l
2、asso方法,通過對(duì)回歸系數(shù)加上e1范式約束,使得其中的某些系數(shù)自動(dòng)退化為零,在提高了回歸精度的同時(shí)也產(chǎn)生了可解釋的模型。Zou等人在此基礎(chǔ)之上,于2005年提出了elastic net的方法,對(duì)回歸系數(shù)同時(shí)加上e1和e2范式約束,解決了lasso方法中不能解p>n類型的數(shù)據(jù)等其他缺點(diǎn)。Jolliffe等人將對(duì)回歸系數(shù)的約束延伸到主元分析中,各自提出了得到稀疏負(fù)荷系數(shù)的方法。這些方法主要思想都是在回歸模型或特征值分解中,對(duì)負(fù)荷系數(shù)加上e
3、1和(或)e2范式約束。本文從另一個(gè)角度,借鑒Zhang在09年提出的最優(yōu)給分無監(jiān)督學(xué)習(xí)框架的基礎(chǔ)上,提出SPCA—OS稀疏主元分析方法,實(shí)驗(yàn)結(jié)果表明,和其他稀疏方法相比,在累計(jì)方差大致相同的情況下,SPCA—OS負(fù)荷系數(shù)更加稀疏。另外本文還提出了與主元分析相對(duì)應(yīng)的稀疏主坐標(biāo)分析(SPCO),這種方法在降維的同時(shí)直接對(duì)降維坐標(biāo)進(jìn)行稀疏,區(qū)別于負(fù)荷系數(shù)的稀疏。實(shí)驗(yàn)結(jié)果表明,SPCO能夠有效對(duì)降維坐標(biāo)進(jìn)行稀疏,并能解決如基因微陣列p>>n情
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于半監(jiān)督和無監(jiān)督學(xué)習(xí)的特征選擇算法研究.pdf
- 基于非負(fù)稀疏圖的半監(jiān)督學(xué)習(xí).pdf
- 基于集成學(xué)習(xí)的半監(jiān)督學(xué)習(xí)算法研究.pdf
- 基于LNP的半監(jiān)督學(xué)習(xí)算法.pdf
- 基于稀疏和信息論的無監(jiān)督特征學(xué)習(xí)算法研究.pdf
- 基于集成算法的半監(jiān)督學(xué)習(xí)研究.pdf
- 基于監(jiān)督學(xué)習(xí)的激酶鑒定算法的研究.pdf
- 基于最優(yōu)反預(yù)測(cè)的半監(jiān)督學(xué)習(xí)及其應(yīng)用.pdf
- 基于集成的半監(jiān)督學(xué)習(xí)和主動(dòng)學(xué)習(xí)算法研究.pdf
- 基于無監(jiān)督學(xué)習(xí)的EIT圖像重建方法研究.pdf
- 基于半監(jiān)督學(xué)習(xí)的人臉識(shí)別算法研究.pdf
- 基于TrI-training的半監(jiān)督學(xué)習(xí)算法研究.pdf
- 基于半監(jiān)督學(xué)習(xí)的社團(tuán)劃分算法研究.pdf
- 基于圖半監(jiān)督學(xué)習(xí)算法的研究及應(yīng)用.pdf
- 基于半監(jiān)督學(xué)習(xí)的文本分類算法研究.pdf
- 基于STDP的脈沖神經(jīng)網(wǎng)絡(luò)無監(jiān)督學(xué)習(xí)研究.pdf
- 基于圖的半監(jiān)督學(xué)習(xí)算法及其應(yīng)用.pdf
- 基于無監(jiān)督學(xué)習(xí)的銘牌文字定位和識(shí)別.pdf
- 主動(dòng)式半監(jiān)督學(xué)習(xí)算法的研究.pdf
- Spiking 監(jiān)督學(xué)習(xí)算法研究及其應(yīng)用.pdf
評(píng)論
0/150
提交評(píng)論