这个包包含函数,实现主成分分析(PCA)和独立分量分析(ICA)。
PCA和ICA在这个包中实现的功能,包括和多个例子来演示使用。
在主成分分析,多维数据投射到相对应的奇异向量的一些最大的奇异值。这样的操作有效地分解输入单方向成正交分量的最大方差数据。因此,经常使用PCA降维应用程序中,执行PCA收益率数据的低维表示,可以逆转重构原始数据。
在ICA,多维数据分解为组件的最大独立在一个适当的意义上(峰态和负熵,在这个包中)。ICA和PCA在低维的信号并不一定对应于最大方差的方向;相反,ICA组件最大统计独立。在实践中,ICA可以经常发现不相交的潜在趋势在多维数据。
引用作为
布莱恩摩尔(2023)。PCA和ICA包(//www.tatmou.com/matlabcentral/fileexchange/38300-pca-and-ica-package), MATLAB中央文件交换。检索。
pca_ica /
版本 | 发表 | 发布说明 | |
---|---|---|---|
2.2.0.0 | 提高执行效率。 |
||
2.1.0.0 | 添加支持aud金宝appioread loadAudio()函数() |
||
2.0.0.0之间 | ——添加支持kur金宝apptosis-based快速ICA |
||
1.4.0.0 | 最后更新上传. zip(省略) |
||
1.3.0.0 | 提高文档和代码性能 |
||
1.2.0.0 | 更新myPCA()的文档 |
||
1.1.0.0 | 修复bug在myMultiGaussian ()。需要使用下三角柯列斯基分解,而不是上三角版本。 |
||
1.0.0.0 |