周戎星,陈梦璐,金菊良,2,崔 毅,2*,周玉良,2,宁少尉,2
(1.合肥工业大学 土木与水利工程学院,合肥230009;2.合肥工业大学 水资源与环境系统工程研究所,合肥230009)
【研究意义】由于自然界和人类社会的复杂性和多样性,实际问题往往受许多因素影响,经常遇到非正态、非线性高维数据问题,而用传统数据分析方法处理时往往很难取得满意效果[1],难以满足现实的需要,投影寻踪(Projection Pursuit,PP)方法正是在这种背景下提出的。投影寻踪是一种分析、处理高维数据的探索性统计方法,其运用奥卡姆剃刀原理、通过寻找反映数据结构特征的最优投影方向把实际问题中高维数据降维到低维空间,再对低维空间中的投影值构建定量分析模型,以达到分析研究原实际高维数据问题的目的,可避免高维数据点稀疏分布所造成的“维数祸根”,适用于非正态、非线性高维数据问题的处理,其基本原理是将高维数据投影到低维子空间上,寻找能反映高维数据空间规律特征的投影[2],达到通过分析、识别低维空间投影特征研究高维数据的目的[3]。
【研究进展】投影寻踪方法自20 世纪60年代末出现、1974年被Friedman 等[4]正式命名以来得到了迅速发展。20 世纪80年代以来,中国学者也开始了投影寻踪研究:李国英[5]对投影寻踪估计的相关参数及收敛性进行了研究;郑祖国[6]、杨力行[7]等构造了投影寻踪自回归模型,并将其用于春旱期降水趋势的长期预测,预测结果稳健且预见期较长;吴超存等[8]将投影寻踪回归模型用于水质模拟,并对影响水质的主要因素进行了分析;……