×

观测噪声下对称矩阵有序特征向量的递推估计。 (英语) Zbl 1217.62085号

摘要:主成分分析是基于对称矩阵的噪声观测值(a{k}=a+N_{k})递归估计其特征向量和相应的特征值,其中允许(a\)具有重数可能大于1的任意特征值。本文提出了递归算法并建立了它们的有序收敛性:证明了第一个算法a.s.收敛到对应于最大特征值的单位特征向量,第二种算法a.s.在最大特征值为单重数的情况下收敛到与第二大特征值对应的单位特征向量,或者如果最大特征值的重数大于1,则收敛到与第一大特征值相对应的单位特征矢量,依此类推。

MSC公司:

62H25个 因子分析和主成分;对应分析
65C60个 统计中的计算问题(MSC2010)
15甲18 特征值、奇异值和特征向量
PDF格式BibTeX公司 XML格式引用
全文: DOI程序

参考文献:

[1] Brandiere,O.,随机近似的一些病理陷阱,SIAM J.控制优化。,36, 4, 1293-1314 (1998) ·Zbl 0980.62068号
[2] O·布兰迪埃。;Duflo,Marie,Les algorithmes stochastiques contourent-ils Les pièges?,普罗巴伯。统计人员。,32, 395-427 (1996) ·Zbl 0849.62043号
[3] Chen,H.F.,随机逼近及其应用(2002),Kluwer:Kluwer-Dordrecht·Zbl 1008.62071号
[4] Daffertshofer,A。;拉莫特,C.J.C。;梅杰,O.G。;Beek,P.J.,《PCA研究协调性和可变性:教程》,临床。生物计量。,19, 4, 415-428 (2004)
[5] Delyon,B.,随机逼近的一般收敛结果,IEEE Trans。自动化。控制,41,1245-1255(1996)·Zbl 0867.93075号
[6] A.Meyer-Baese,《利用神经气体网络和主成分分析进行医学图像压缩》,载于:IEEE-INNS-ENNS国际神经网络联合会议(IJCNN00),第5卷,2000年,第5489页。;A.Meyer-Baese,《利用神经气体网络和主成分分析进行医学图像压缩》,载于:IEEE-INNS-ENNS国际神经网络联合会议(IJCNN00),第5卷,2000年,第5489页。
[7] Oja,E.,《模式识别的子空间方法》(1983),研究出版社和J.Wiley:研究出版社和J Wiley Letchworth
[8] Oja,E。;Karhunen,J.,《关于随机矩阵期望的特征向量和特征值的随机逼近》,J.Math。分析。申请。,106, 1, 69-84 (1985) ·Zbl 0583.62077号
[9] Pearson,K.,《关于最接近空间点系的直线和平面》,Philos。Mag.Ser.杂志。6, 2, 11, 559-572 (1901)
[10] 赵文霞,几类随机系统的识别与自适应跟踪,中国科学院AMSS博士论文,2008。;赵文霞,几类随机系统的识别与自适应跟踪,中国科学院AMSS博士论文,2008。
[11] Zhang,J.H。;Chen,H.F.,用于主成分分析的算法的收敛性,科学。中国Ser。E、 40、6、597-604(1997)·Zbl 0895.68026号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。