稀疏主成分及其应用

稀疏主成分及其应用

论文摘要

主成分在降维和数据处理方面是一种广泛应用的方法。比较有趣的应用包括手写数字的识别(Hastie等,2001)和人脸数据的识别(Hancock,Burton和Bruce1996)。最近主成分还被应用基因表达数据处理(Alter,Brown和Botstein 2000)。Hastie等(2000)提出的“gene-shaving”就运用主成分方法来对基因数据进行聚类。尽管一般的主成分有很多优点,比如:各主成分是不相关的,并且各主成分的方差是依次减小的,这样就能保证提取的主成分的信息较少。但是在实际运用中主成分分析却存在着一些不足:这主要表现在一般主成分依赖于所有的原始变量,很难给出其实际解释。因此很多学者提出了改进的主成分分析方法,其中Zou等(2006)提出的稀疏主成分受到广泛的关注。本文基于Zou的想法系统研究了稀疏主成分分析并给出了在综合评价中的应用。本文的工作主要有四点:(1)通过实际数据和模拟数据系统比较了各种稀疏主成分分析方法,并指出了他们之间的一些差异;(2)在最小角回归算法的基础上给出了计算非负稀疏主成分的一种算法;(3)将各种稀疏主成分方法引入综合评价,通过实例说明了稀疏主成分在综合评价应用中的有效性;

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 综述
  • 1.1 引言
  • 1.2 文献综述
  • 1.3 主成分简介
  • 1.4 LASSO及其相关方法简介
  • 1.5 本文的结构
  • 第二章 稀疏主成分与惩罚回归的关系
  • 2.1 LASSO及其相关方法的直观解释
  • 2.1.1 各种惩罚函数
  • 2.1.2 稀疏惩罚函数的性质
  • 2.1.3 稀疏惩罚函数及其对应的解
  • 2.2 最小角回归算法及其推广
  • 2.3 稀疏主成分和惩罚回归的关系
  • 2.3.1 基于LASSO的简化主成分(SCOTLASS)
  • 2.3.2 稀疏主成分和惩罚回归的关系
  • 2.4 求解稀疏主成分的算法
  • 2.5 稀疏主成分方差贡献率的计算
  • 第三章 稀疏主成分及其相关方法的比较研究
  • 3.1 基于PITPROPS数据的比较研究
  • 3.2 基于模拟模拟数据的比较研究
  • 第四章 稀疏主成分在综合评价中的应用
  • 4.1 主成分综合评价存在的问题
  • 4.2 稀疏主成分在综合评价中的应用
  • 第五章 有待进一步研究的问题
  • 参考文献
  • 致谢
  • 攻读硕士学位期间发表的论文
  • 相关论文文献

    标签:;  ;  ;  ;  

    稀疏主成分及其应用
    下载Doc文档

    猜你喜欢