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().