基于PCA/ICA的多数据流关联及模式发现  

Multiple Data Stream Relation and Pattern Discovery Based on PCA/ICA

作　　者：周勇[1] 罗竞佳[1] 程春田[2] 

机构地区：[1]大连理工大学软件学院,大连116621 [2]大连理工大学水利工程学院,大连116621

出　　处：《计算机工程》2010年第11期85-87,共3页Computer Engineering

基　　金：国家自然科学基金资助项目(60703101)

摘　　要：基于主成分分析技术、独立分量分析技术以及多数据流模型,将用于数据和信号分析的PCA/ICA方法应用于多数据流模型,提出多数据流关联度分析和模式发现的新模型。该模型适用于解决在线混合数据流分离,对挖掘多数据流潜在独立内因有良好效果。探讨模型的健壮性和实时性,并在实验中验证了系统性能。This paper introduces a model based on Principal Component Analysis（PCA）, Independent Component Analysis（ICA） and multiple data stream model which supplies a new method of multiple data stream relation analysis and pattern discovery. As PCA/ICA can separate independent components from complicated information, a solution can be implemented with the help of PCA/ICA on multiple data stream relation analysis, pattern discovery and hidden variables. The robustness and real-time performance are also discussed in the experiment.

关 键 词：数据流 主成分分析 独立成分分析 多数据流关联 

分 类 号：TP311[自动化与计算机技术—计算机软件与理论]