基于经验相关矩阵区间主成分分析.pdfVIP

维普资讯 第 11卷第3期 管 理 科 学 学 报 Vo1．11No．3 2008第 6月 J0URNALOF MANAGEMENTSCIENCESIN CHINA Jun．2008 基于经验相关矩阵的区间主成分分析① 郭均鹏，李汶华 (天津大学管理学院，天津 300072) 摘要：给出了针对区间数据样本的主成分分析方法．为此，首先研究了区间数据样本的经验描 述统计量，其中包括单变量的均值与方差、双变量的协方差与相关系数．然后，基于经验相关矩 阵，给出了区间主成分分析的算法，该算法最终得到区间数表达形式的主成分取值．最后给出 算例，分析表明文中方法实施简单，克服了区间主成分分析现有方法的缺点． 关键词：主成分分析；区间数；相关矩阵 中图分类号：0242．29 文献标识码：A 文章编号：1007—9807(2008)03—0049—04 0 概 述 概念和理论．然后讨论区间样本数据的描述统计 量的计算，其中包括单变量的均值与方差，以及双 主成分分析 (principalcomponentanalysis，简 变量的协方差与相关系数．基于此，讨论针对区间 称PCA)是把原来多个变量划为少数几个综合指 数据的主成分分析方法．最后给出箅例． 标的统计分析方法，从数学角度来看是降维处理 技术．传统的PCA方法是针对实数样本的，即每 1 基本概念与理论 一 个样本数据用 “点”数来表示．而在实际中由于 观测误差或信息不完备等原因，经常会遇到用区 1．1 区间数及其运算 间数表示的样本观测值．针对区间数据的主成分 X=[，x]={： ≤ ≤x，∈ }称为一 分析方法称为区间主成分分析． 个区间数，和 分别称为区间数的下限和上限． 一 些文献对区间主成分分析方法进行了研 当 =x时，区间数退化为一个实数．以区间数为 究 J．其 中最重要 的两种方法是顶点法 (V- 分量的向量称为区间向量． PCA)l2和中点法 (C．PCA) ]．顶点法从几何意 、 y为任两个区间数， ∈{+，一，×，／}是 义上将每一个区间数据样本看成一个具有2个 一 个二元运算符，则两个区间数的运算定义为 (P为变量个数)顶点的超矩形(hyper-rectangle)，并 Y={ YI ∈X，Y∈Y}，运算结果仍为一个 将原始的数据矩阵化为一个 (n ·2)×P维(n为 样本个数)的实数矩阵，然后对其实施传统 的 区间数(当 为除法时，0隹Y) ． PCA．显然该方法存在着在随着P的变大而计算 1．2 主成分分析 量指数增长的缺陷 J．而中点法则简单地将每一 设X=( ) 为样本矩阵，考虑对标准化的 个区间数用其中点来代替，虽然计算量少，但却丢 数据进行主成分分析．记样本相关矩阵为 ，A ≥ 失了数据信息． A ≥… ≥A为 的特征根，相应的单位特征向 本文接下来将首先给出一些文中将要用到的 量记作b。，b，…，b，则B =(。，b，…，b)为列 ① 收稿 日期：2006—07—21；修订El期：2007--0