Здравствуйте.

Ищу исходники реализации "метода главных компонент" с примерами.

Задача. Есть выборка данных - примерно 1000 точек, для каждой 9 значений каждого типа (координат). 
Требуется уменьшить размерность с 9-ти до, желательно  2-х, 3-х мерного пространства. Насколько я помню Вышку - для этого надо выбрать самые большие собственные (или сингулярные) числа матрицы (первые несколько штук  в порядке убывания), и соответствующие им собственные вектора. Этим можно будет определить, какие девяти значеий лучше характеризуют разброс данных в пространстве. 
Далее в задачах будет поворот точек в выбранный базис и графическое представление результатов, но это тема другого разговора.



Это сообщение отредактировал(а) neosapient - 1.12.2009, 18:48

Реализация есть в библиотеке OpenCV. Хотя, возможно, проще самому реализовать, всё, что нужно:
1. Посчитать средние и ков. матрицу.
2. Найти собственные значения и вектора ков. матрицы.
3. Отцентрировать исходные данные.
4. Умножить исходные выборки на матрицу с отобранными для проекции собственными векторами.

Добавлено через 1 минуту и 57 секунд
http://alglib.sources.ru/dataanalysis/prin...ntsanalysis.php