1.应用pca的前提
应用pca的前提是，连续信号具有相关性。相关性是什么，是冗余。就是要利用pca去除冗余。
2.pca的定义
pca是一种去除随机变量间相关性的线性变换。是一种常用的多元数据分析方法。pca将互相关的输入数据转换成统计上不相干的主成分(或者特征)，所得到的主成份通常是按照方差大小进行降序排列的。
reference ：基于CCA的fMRI时空模型数据处理方法的研究，肖柯，硕士论文。
———————————————————下面来参考一下代码—————————————————————————————————－－－
我在网上看了很多pca降维的例子，都大同小异，原理差不多，都是活的原来矩阵的协方差矩阵，然后计算协方差矩阵的特征值和特征向量，最后通过特征向量
最后
以上就是等待大白最近收集整理的关于hotelling t2 matlab,pca主成份分析方法的全部内容，更多相关hotelling内容请搜索靠谱客的其他文章。
本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。
发表评论 取消回复