主成分提取-讲稿-2014_第1页
主成分提取-讲稿-2014_第2页
主成分提取-讲稿-2014_第3页
主成分提取-讲稿-2014_第4页
主成分提取-讲稿-2014_第5页
已阅读5页，还剩7页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

1、 基于主成分分析的特征向量提取第六章 竞争和自组织网络1 数据压缩l 数学方法l NN方法2 竞争学习网络3 数据压缩实例（自学）第六章 竞争和自组织网络一. 主元（主成分）分析的概念和原理 图示 用基底（特征向量）来表示，有要求 （在某种评价指标下）二.主元分析的原理设：（1）是样本集中的第个样本，且该组样本的期望；（2）是单位向量；若将向方向上投影，可得投影分量为：其期望和方差为其中： 为的自相关矩阵（计算实例见附件1）。如果不止一个（即要用多个基底来表示）则 在方向上的投影为 由此，原向量可表示为 压缩后的向量可表示为 数据压缩的目标是：使误差 的方差的期望达到最小：在此意义上， 是的一

2、个很好的近似。【证明】：设的自相关矩阵为 ，则有：为实对称阵（因为）的个特征值 （ ）（1） 且特征向量是正交的，即： （2）将按大小排序 用上述特征值对应的特征向量组成一个矩阵 （3）由此，将（1）式用矩阵表示，有 （4）由该式和正交性，得 （6）将向各特征向量方向上投影，得 （7）写成矩阵形式 由此， 压缩为 维后的向量可表示为 ，注意：为一向量压缩前后的误差 为 的第个投影分量 的方差为误差 的个投影分量 的方差和为是较小的特征值之和。在此意义上 是的一个很好的近似【注意】： 上述讨论并未说明 ，只是说明他们的方差存在着大小顺序：【结论】：虽然用任何一组基底都可表示，但是，只有按上述方法来近似时（即）才是最好的近

人人文库> 全部分类> 教育资料 > 课件下载

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论