关于SFA实现sfa-tk的数值稳定性
机器学习
2009-12-08 v1 统计方法学
摘要
慢特征分析(SFA)是一种从快速变化的多维信号中提取缓慢变化特征的方法。开源Matlab实现sfa-tk使得SFA易于使用。我们在此表明，在某些情况下，即当非线性扩展数据的协方差矩阵不满秩时，该实现会遇到数值不稳定性。我们提出了一种基于奇异值分解(SVD)的改进算法，即使在矩阵秩小于其大小的10%的情况下，该算法也能避免这些不稳定性。此外，我们展示了处理数值问题的另一种方法：向多维输入信号中注入少量噪声，这可以将秩亏协方差矩阵恢复为满秩，但代价是修改了原始数据并需要调整噪声参数。
引用
@article{arxiv.0912.1064,
title = {On the numeric stability of the SFA implementation sfa-tk},
author = {Wolfgang Konen},
journal= {arXiv preprint arXiv:0912.1064},
year = {2009}
}
备注
12 pages