相关峭度matlab代码-SparseProjectionPursuit:稀疏投影追求

相关陡度matlab代码稀疏投影追踪分析（SPPA） 基于峰度的投影追踪分析（PPA）被开发为替代性探索性数据分析算法。 普通的PPA不会使用方差和基于距离的指标来获取高维数据（例如PCA，HCA和kNN）的信息性投影，而是通过优化峰度来搜索有趣的投影。 但是，如果样本变量比率过低，则普通PPA可能会通过找到导致峰度值较低的原始变量的虚假组合来“过度建模”数据。 为了克服这个问题，可以在应用PCA之前使用PCA压缩其数据（样本与变量的比率为10：1）。 为了使PPA独立于PCA，我们开发了PPA（SPPA）的稀疏实现，其中使用遗传算法选择原始变量的子集。 该存储库包含可用于将SPPA应用于高维数据的MATLAB代码，正在使用的SPPA示例以及在SPPA上发布的相应论文。 下面是我们最近的论文中的一张图，显示了该算法的基本方法。 MATLAB功能 SPPA.m是使用遗传算法执行基于稀疏峰度的投影追踪的MATLAB函数。 引用此算法 请引用。 该存储库的结构 此存储库的master分支包含为发行的工作实现的原始SPPA代码（1.0版）。 如果可用，可以在其他具有相应版本号的分支中找到原始代