基于FastHCS的鲁棒PCA

主成分分析（PCA）被广泛用于分析高维数据，但它对异常值非常敏感。鲁棒PCA方法寻求不受异常值影响的拟合，因此可以信赖它们来揭示异常值。FastHCS（高维一致子集）是一种适用于高维应用的鲁棒PCA算法，包括变量数超过观测数的情况。在详细描述FastHCS算法之后，我们进行了广泛的模拟研究和三个真实数据应用，结果表明FastHCS在鲁棒性方面系统性地优于现有方法。