一种面向数据学习的快速PCA算法

摘要

高维数据的主成分分析较难处理,因为计算时间和空间复杂度随着数据维数的增加而急剧增加.文中提出一种直接面向数据学习的PCA算法,即在迭代中新的权向量等于所有样本向量的加权和,因而不需要计算数据协方差矩阵.在解决给定样本向量或平稳随机过程的PCA问题时,该算法能够弥补目前批最算法和增量算法存在的不足.此外,在理论上证明该算法的收敛性.实验结果表明,该算法能在很少迭代次数内迅速收敛到精确解.