Počet záznamů: 1  

On Bayesian Principal Component Analysis

  1. 1.
    0081099 - ÚTIA 2007 RIV NL eng J - Článek v odborném periodiku
    Šmídl, Václav - Quinn, A.
    On Bayesian Principal Component Analysis.
    [O Bayesovském řešení analýzy hlavních komponent.]
    Computational Statistics and Data Analysis. Roč. 51, č. 9 (2007), s. 4101-4123. ISSN 0167-9473. E-ISSN 1872-7352
    Grant CEP: GA MŠk(CZ) 1M0572
    Výzkumný záměr: CEZ:AV0Z10750506
    Klíčová slova: Principal component analysis (PCA) * Variational bayes (VB) * von-Mises–Fisher distribution
    Kód oboru RIV: BC - Teorie a systémy řízení
    Impakt faktor: 1.029, rok: 2007
    http://www.sciencedirect.com/science?_ob=ArticleURL&_udi=B6V8V-4MYD60N-6&_user=10&_coverDate=05%2F15%2F2007&_rdoc=1&_fmt=&_orig=search&_sort=d&view=c&_acct=C000050221&_version=1&_urlVersion=0&_userid=10&md5=b8ea629d48df926fe18f9e5724c9003a

    A complete Bayesian framework for principal component analysis (PCA) is proposed. Previous model-based approaches to PCA were often based upon a factor analysis model with isotropic Gaussian noise. In contrast to PCA, these approaches do not impose orthogonality constraints. A new model with orthogonality restrictions is proposed. Its approximate Bayesian solution using the variational approximation and results from directional statistics is developed. The Bayesian solution provides two notable results in relation to PCA. The first is uncertainty bounds on principal components (PCs), and the second is an explicit distribution on the number of relevant PCs. The posterior distribution of the PCs is found to be of the von-Mises–Fisher type.

    Plně Bayesovský přístup k analýze hlavních komponent je představen. Předchozí modelování hlavních komponent se opíralo o model faktorové analýzy s isotropním Guasovským šumem. Tento model však nezahrnuje podmínku ortogonality, která je součástí hlavních komponent. Navrhujeme nový model, který tuto podmínku respektuje. Přibližné řešení Bayesovského odhadování pro tento model bylo vyvinuto. Toto řešení má dva zajímavé výsledky. Za prvé, hranice neurčitosti pro odhady hlavních komponent, za druhé, aposteriorní distribuci počtu obsažených komponent. Aposteriorní distribuce hlavních komponent je ve tvaru von-Mises-Fisherova rozložení.
    Trvalý link: http://hdl.handle.net/11104/0145071

     
     
Počet záznamů: 1  

  Tyto stránky využívají soubory cookies, které usnadňují jejich prohlížení. Další informace o tom jak používáme cookies.