基于PCA的数据相关性分析方法

摘 要：主元分析（Principal component analysis，PCA）是一種经典的数据分析方法。本文将PCA方法应用于数据相关性分析中，以提取数据集变量的相关性信息。通过两个仿真实验验证了PCA方法提取数据相关性有效性。

关键词：主元分析;数据相关性

1 主元分析

在多元统计分析中，数据相关性分析是一个重点研究课题。[1]典型的多变量数据分析方法，PCA，已经被广泛应用于生产实践中并获得了良好的效果。[2-3]

3 结论

本文将传统的PCA方法应用数据集变量相关性研究中，通过仿真实验验证了PCA方法在提取数据相关性的有效性。

参考文献：

[1]张成，李元.基于统计模量分析间歇过程故障检测方法研究[J].仪器仪表学报，2013，34（9）：2103-2110.

[2]徐涛，张成，李元，等.基于主元分析残差空间的自适应统计方法及其应用[J].系统仿真技术，2017（3）：190-194.

[3]李秀玉，张成，逄玉俊.基于PCA的相似度方法在半导体产品分类中的应用[J].沈阳化工大学学报，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.