二维主成分分析在不同时间长度多元时间序列分类中的拓展应用.pdf

二维主成分分析在不同时间长度多元时间序列分类中的拓展应用.pdf

  1. 1、本文档共44页,其中可免费阅读20页,需付费100金币后方可阅读剩余内容。
  2. 2、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。
  3. 3、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
  4. 4、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多

第一章引言

图1.1Wafer1数据集每个样本对应的时间维度

研究了PCA中的缺失值问题,他只使用了一个主成分和一次填充迭代。Wiberg

(1976)首先提出只利用可观测到的数据建立模型,然后用最小均方误差求解模

型。Grung和Manne(1998)研究了含有缺失值的PCA,他们提出要么对数据进

行填充,要么使用一种更快的W­X交替算法,也讨论了数值问题、过拟合问题,

并建议从数据中删除有问题的行或列。Hofmann(2004)通过利用可观测到的数

文档评论(0)

dongbuzhihui + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档