主成分分析与小成分分析的一类特征值剖析算法研究.pdfVIP

摘 要 在许多信息处理领域(例如图像处理、方位的估计问题、通信技术等)，主成分 分析与小成分分析为分析数据的统计特性提供了强有力的工具，因此，如何得到更 快更有效的主成分与小成分算法，获得了人们越来越多的关注． 本文中，我们利用正交迭代与QR分解提出一个新的主成分算法．该算法具有 线性复杂度O(np)(n代表输入向量的维数，P为所要求得的主成分或小成分的个 数)，并且性能良好．同时我们也提出了小成分分析的一种方法，并结合一些主成分 算法给出相应的复杂度为0(n2)的小成分算法． 第一章说明了主成分与小成分的区别与联系，并着重介绍了主成分分析的基本 理论． 第二章介绍了从正交迭代推导出主成分特征值分解算法，并与某些主成分算法 作比较． 第三章提出了小成分分析(MCA)问题转化为主成分分析(PCA)问题的方法， 并给出了小成分的几个算法，结合一些小成分算法作了讨论． 关键词： 主成分分析，小成分分析，特征值分解，奇异值分解，正交迭代，逆 迭代，双重步奇异值迭代，QR分解． ABSTRACT andminor statis— componentanalysis component Principal analysisprovidepowerful tical in moderninformationfieldssuchas techniquesmany processing imageprocessing， direction—of-arrivalcommunication soon．Inthis problemsl technology,and paper，wepro— anew for extraction iterationand pose principalcomponent algorithm using orthogonal with factorization．This has linear algorithm QR goodperformance only computational nisthe vector isthenumberof dimension，and desired complexity input P o(np)，where orminor we a tominor components．Also principalcomponents proposegeneralapproach and some for componentanMysisdevelop minor extraction