基于PCA的數據相關性分析方法

摘 要：主元分析（Principal component analysis，PCA）是一種經典的數據分析方法。本文將PCA方法應用于數據相關性分析中，以提取數據集變量的相關性信息。通過兩個仿真實驗驗證了PCA方法提取數據相關性有效性。

關鍵詞：主元分析;數據相關性

1 主元分析

在多元統計分析中，數據相關性分析是一個重點研究課題。[1]典型的多變量數據分析方法，PCA，已經被廣泛應用于生產實踐中并獲得了良好的效果。[2-3]

3 結論

本文將傳統的PCA方法應用數據集變量相關性研究中，通過仿真實驗驗證了PCA方法在提取數據相關性的有效性。

參考文獻：

[1]張成，李元.基于統計模量分析間歇過程故障檢測方法研究[J].儀器儀表學報，2013，34（9）：2103-2110.

[2]徐濤，張成，李元，等.基于主元分析殘差空間的自適應統計方法及其應用[J].系統仿真技術，2017（3）：190-194.

[3]李秀玉，張成，逄玉俊.基于PCA的相似度方法在半導體產品分類中的應用[J].沈陽化工大學學報，2013，27（1）：58-62.

[4]Ku W，Storer R H，Georgakis C.Disturbance detection and isolation by dynamic principal component analysis[J].Chem.intell.lab.syst，1995，30（1）：179-196.