作者：谭亚芳; 刘娟; 王才华; 蒋万伟主成分分析稀疏约束项稀疏可控主成分分析
摘要：主成分分析（Principal Component Analysis，PCA）是一种用线性变换选出少数重要变量（降维）的多元统计分析方法。虽然传统PCA被广泛应用于科学研究与工程领域中，但是其结果有时很难解释。因此，一些研究人员引入稀疏约束项（1asso、fused lasso以及adaptive lasso等），以得到可解释的结果。由于传统稀疏项的稀疏度不容易控制，为此引入一种新的约束项，即稀疏可控惩罚项（Sparse Controllable penalty，SCP），来控制主成分的稀疏程度。与传统的约束项相比，SCP具有长度不敏感、维度不敏感和约束项的取值范围在0到1之间的优点。这些优点极大地降低了调节稀疏度的难度。实验表明，稀疏可控主成分分析（Sparse Controllable Principal component Analysis，SCPCA）是高效的。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
