一种新的高维数据降维方法 |
| |
引用本文: | 刘超,吴丹丹,杨考.一种新的高维数据降维方法[J].统计与咨询,2012(4):16-17. |
| |
作者姓名: | 刘超 吴丹丹 杨考 |
| |
作者单位: | [1]北京航空航天大学数学与系统科学学院 [2]北京航空航天大学人文社会科学学院 |
| |
基金项目: | 国家社会科学基金项目资助(11CTJ001);教育部人文社会科学研究项目基金资助(f)9YJC910001);北京航空航天大学基本科研业务费项目唯实人才培育基金资助(YWF-11-03-Q-001). |
| |
摘 要: | 一、前言现实世界中存在着大量的复杂事物及现象,人们希望揭示隐藏在这些纷繁芜杂的表象下的事物和现象的客观规律。随着信息技术的发展,我们面对的数据越来越复杂,往往具有如下特点:(1)样本点数量巨大;(2)数据收集的频率越来越高;(3)数据内部存在结构化的特征;(4)指标变量众多。例如天气状况,用来描述气象特征的指标非常多,像温度,湿度,气压,风力,降雨量等等,对于每时每刻的天气状况,可以用多变量组成的向量数据细致的表示。大量出现的高维数据不仅提供了极其丰富、详细的信息,而且对数据分析中的变量选择、多元建模带来了挑战:怎
|
关 键 词: | 主成分分析 数据降维 变量选择 稀疏解 综合评价 高维数据 数据收集 方法 天气状况 向量数据 |
本文献已被 CNKI 维普 等数据库收录! |
|