2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩48頁未讀, 繼續(xù)免費閱讀

下載本文檔

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),請進行舉報或認(rèn)領(lǐng)

文檔簡介

1、主成分分析是將多個相關(guān)指標(biāo)轉(zhuǎn)化成少數(shù)不相關(guān)指標(biāo)的一種多元統(tǒng)計方法,常常用于數(shù)據(jù)壓縮和特征提取,廣泛應(yīng)用于工業(yè)、農(nóng)業(yè)、經(jīng)濟、生物、醫(yī)學(xué)、天文、地理等領(lǐng)域. 在經(jīng)典的主成分分析中,每個訓(xùn)練數(shù)據(jù)在構(gòu)建主成分時的作用是相同的.然而,在許多實際問題中,訓(xùn)練數(shù)據(jù)的意義和作用是不同的,通常有些數(shù)據(jù)比其它數(shù)據(jù)更為重要.對于重要的數(shù)據(jù)我們應(yīng)給予充分的重視,在構(gòu)建主成分時應(yīng)起更大的作用,而對于不可信數(shù)據(jù)(可能是異常數(shù)據(jù)),應(yīng)限制其作用. 本

2、文給每個訓(xùn)練數(shù)據(jù)賦予一個置信權(quán)重,將訓(xùn)練數(shù)據(jù)視為樣本空間的模糊點,研究了基于模糊點數(shù)據(jù)的主成分分析,核主成分分析,GPCA以及主成分回歸,并且分析了它們的統(tǒng)計性質(zhì).同時,為了說明這些方法能有效控制可能的異常點,在每個部分的最后都給出了相應(yīng)的數(shù)值模擬例子. 數(shù)值例子還進一步表明,置信權(quán)重越大的數(shù)據(jù)對構(gòu)建主成分的作用也越大,當(dāng)置信權(quán)重全部取1時,本文提出的基于模糊點數(shù)據(jù)的主成分分析,核主成分分析,GPCA以及主成分回歸就退化為相應(yīng)的

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空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對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, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論