Matlab 主成分分析在实践中的应用
我理解主成分分析的概念，以及它的作用，但是尝试将这个概念应用到我的应用程序中是很困难的 我有一个生理信号的1×X矩阵（它不是肌电图，但非常相似，所以如果有帮助的话，可以把它想象成肌电图），它包含各种噪声和人工制品。我注意到噪声中的一些非常大，我假设在PCA之后，这将是最大的主成分，因此我的想法是使用PCA进行一些降维 我的问题是，对于1×X矩阵，没有协方差矩阵，只有方差，因此特征向量和所有PCA都会失效 我知道我需要将数据重新排列成一个超过1D的矩阵，但这就是我需要一些建议的地方。我是否将数据拆分为等长的窗口，以创建一个可以应用PCA的大维度矩阵？我是否对同一个动作执行了多次试验，因此我有很多数据集（这对我的应用程序来说是不切实际的）Matlab 主成分分析在实践中的应用,matlab,matrix,signals,pca,Matlab,Matrix,Signals,Pca,我理解主成分分析的概念，以及它的作用，但是尝试将这个概念应用到我的应用程序中是很困难的 我有一个生理信号的1×X矩阵（它不是肌电图，但非常相似，所以如果有帮助的话，可以把它想象成肌电图），它包含各种噪声和人工制品。我注意到噪声中的一些非常大，我假设在PCA之后，这将是最大的主成分，因此我的想法是使用PCA进行一些降维 我的问题是，对于1×X矩阵，没有协方差矩阵，只有方差，因此特征向量和所有PCA都会失效 我知道我需要将数据重新排列成一个超过1D的矩阵，但这就是我需要一些建议的地方。我是否将数据拆
任何建议或例子都会有帮助。我正在使用MATLAB来执行此任务。您可能对1D观测集的PCA分析感兴趣谢谢您的回复，尽管我知道PCA对1D观测的无用性，所以我真的想知道如何使我的数据PCA“有价值”。