成分数据向量的主成分分析

王慧文(),丽影上关(),荣观()和林恩·比拉德()

计算统计学，2015年，第30卷，第4期，1079-1096

摘要：自艾奇逊创立研究工作以来，近几十年来，成分数据分析受到了越来越多的关注。主成分分析（PCA）作为一种强有力的探索性分析技术，已经扩展到成分数据。尽管主成分分析将成分数据部分作为变量进行了广泛的研究，但本文有助于对成分数据向量进行主成分分析建模。基于单纯形空间中的代数算子，推导了PCA过程，并将其转化为计算一些内积。还研究了主成分的性质。两个实际数据示例说明了所提出的PCA用于合成数据向量的优点。版权所有Springer-Verlag Berlin Heidelberg 2015

关键词： 成分数据;主成分分析;单纯形空间;对数比变换（在EconPapers中搜索类似项目）
日期：2015
参考文献： 查看EconPapers中的参考 从CitEc查看完整的参考列表
引文： 查看EconPapers中的引文(1)通过RSS源跟踪引文

下载内容：（外部链接）
http://hdl.handle.net/10.1007/s00180-015-0570-1（文本/html）
全文仅限于订阅者访问。

相关工作：
该项目可在EconPapers的其他地方获得：搜索对于具有相同标题的项目。

导出参考： BibTeX公司 RIS公司（尾注、ProCite、RefMan）HTML/文本

永久链接： https://EconPapers.repec.org/repec:spr:compst:v:30:y:2015:i:4:p:1079-1096

订购信息：这篇期刊文章可以从订购
http://www.springer.com/statistics/journal/180/PS2

内政部： 10.1007/s00180-015-0570-1

访问统计信息对于本文

计算统计目前由编辑坂本和太郎,李嘉图·曹和Jürgen Symanzik先生

更多文章在计算统计中施普林格
Sonal Shukla维护的系列书目数据()和Springer Nature抽象和索引().