龙源期刊网httpwwwqika
comc
主成分分析方法综述
作者：赵蔷来源：《软件工程》2016年第06期
摘要：主成分分析是一种非常有效的数据分析处理的技术，具有非常广泛的应用前景。本文首先概述了主成分分析方法，然后介绍了PCA的定义、模型、算法及选取主成分个数的标准，对PCA技术的优势和缺陷分别进行了剖析和总结，对PCA在评价排序、特征提取、模式识别、图像处理、图像分类和图像压缩等领域的实际应用进行了讨论，对主成分分析方法的发展趋势和应用前景做了展望。
关键词：主成分分析；PCA模型；特征提取；图像处理
中图分类号：TP391文献标识码：A
文章编号：20961472（2016）060103
Abstract：PCA（Pri
cipalCompo
e
tA
alysis）isa
effectivedataa
alysistech
iquewithabrightfutureofexte
siveapplicatio
ThepapersummarizesPCAi
thefirstplace，a
dthe
i
troducesitsdefi
itio
，datamodel，algorithma
dthesta
dardstodetermi
ethe
umberofselectedpri
cipalcompo
e
tsMoreover，thepapera
alyzesa
dsummarizestheadva
tagesa
ddisadva
tagesofthePCAtech
ique，a
ddiscussesitspracticalapplicatio
i
differe
tfields，likeevaluatio
a
dsorti
g，featureextractio
，patterrecog
itio
，imageprocessi
g，imageclassificatio
a
dimagecompressio
Fi
ally，thepapermakesexpectatio
aboutthedevelopme
ttre
da
dapplicatio
prospect
Keywords：PCA；PCAmodel；featureextractio
；imageprocessi
g
1引言（I
troductio
）
PCA（Pri
cipalCompo
e
tA
alysis），主成分分析，是一种数据分析的技术，主要思想是将高维数据投影到较低维空间，提取多元事物的主要因素，揭示其本质特征。主成分分析的应用范围非常广泛，经常和分类、聚类，以及与其他方法连用进行数据处理。它可以高效地找出数据中的主要部分，将原有的复杂数据降维，去除整个数据中的噪音和冗余。
PCA是一种统计分析方法，它将原来众多具有一定相关性的多个指标，重新组合成一组新的互相无关的综合指标1。它是一种最小均方意义上的最优变换，目的是去除输入随机向量之间的相关性，突出原始数据中的隐含特性2。PCA方法的优势在于数据压缩以及对多维
f龙源期刊网httpwwwqika
comc
数据进行降维，它操作简单，且没有参数限制，可以方便的应用于各个场合。它经常被用于人脸识别和图像压缩、特征提取等领域，是在高维数据中寻找模式的一种技术3。
2主成分分析方法（Pri
cipalcompo
e
ta
alysis）21主成分分析方法的目标由于原始数据的变量基数比较复杂，难以描述其特征，主成分分析提出了一种简单解决问题的思想，从事物的主要方面进行重点分析。该方法认为某个事物的特征r