cengcengcai

PCA算法作为多元统计方法的一种，是通过线性空间变换求取主元变量，将高维数据空间投影到低维主元空间，从而消除观测数据之间的冗余信息，得到主元模型和统计控制限。新的映射空间由原始数据变量的线性组合构成。由于投影空间统计特征向量彼此正交，则消除了变量间的关联性，简化了原始过程数据特性分析的复杂程度。内容

KPCA 算法是一种具有非线性特性的核学习算法，可用于故障检测。其主要思想是: 首先，通过一个未知的非线性映射，将原始高维空间中的非线性数据映射到特征空间线性整除的高维数据上, 然后利用 PCA 方法在高维特征空间中提取主成分信息,并进一步计算表示过程的运行特征的统计数据以进行监控。