主成分分析理论介绍及举例课件.ppt

下载文档

6
0
约1.16万字
约 68页
2016-12-21 发布于浙江
举报
版权申诉
保障服务

主成分分析理论介绍及举例课件.ppt

1、本文档共68页，可阅读全部内容。
2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。

主成分分析 Principal Component Analysis 吴海龙湖南大学化学生物传感与计量学国家重点实验室 E-mail: hlwu@hnu.net.cn Chemometrics ？ The chemical discipline that uses mathematical, statistical and other methods employing formal logic (i) to design or select optimal measurement procedures and experiments, and (ii) to provide maximum relevant chemical information by analyzing chemical data. 一次测量得到一个值例如：温度、压力、pH、单波长的吸光度等分析仪器的高性能化例如： UV-可见分光吸收光谱 IR、 NIR、荧光光谱 GC、LC、MS NMR、等样品-浓度数据样品-变量-时间等等 1Principal Component Analysis(PCA) 主成分分析 (PCA) 对一个矩阵，利用其变量之间的共线性，对数据进行简约。这样，可直观显示（图示）可提取抽象因子有效克服因严重共线性引起的不稳定算法带来的计算误差放大，即病态 PCA 例子 # B T Bmc Tmc 1 48 26 13 12 2 44 20 9 6 3 40 24 5 10 4 38 18 3 4 5 32 9 -3 -5 6 28 6 -7 -8 7 26 5 -9 -9 8 24 4 -11 -10 mean 35 14 0 0 B: 苯， T: 二甲苯； Bmc和Tmc为减去平均值后的值 Tmc vs Bmc X矩阵中含有8个样品和两个变量方差协方差阵为： 77.71 76.29 76.29 80.86 也即，它使用平均化的X矩阵XTX(列数-1) 特征矢量 # 特征值 B的系数 T的系数方差百分数 1 155.59 0.6998 0.7144 98.1 2.98 0.7144 -0.6998 1.9 方差= /（样品数-1） PCA方差协方差矩阵夹角余弦 cos(?ij)= (? xik