奇异值分解在某些方面与对称矩阵或厄米矩阵基于特征向量的对角化类似。然而这两种矩阵分解尽管有其相关性，但还是有明显的不同。-Singular value decomposition in some respects symmetric matrix or Hermitian matrix based on a similar feature vectors diagonalization. However, the two matrix decomposition in spite of its

基于混合信号的小波包分解技术在故障特征提取中的应用-Feature Extraction Using Multisignal Wavelet Packet Decomposition

简单的特征分解使用说明,使用numpy.linalg.eig()函数(Simple Method to use eig)

主要功能有： （1）训练数据和测试数据的非线性主元提取（降维、特征提取） （2）SPE和T2统计量及其控制限的计算 （3）故障检测 KPCA的建模过程（故障检测）： （1）获取训练数据（工业过程数据需要进行标准化处理） （2）计算核矩阵 （3）核矩阵中心化 （4）特征值分解 （5）特征向量的标准化处理 （6）主元个数的选取 （7）计算非线性主成分（即降维结果或者特征提取结果） （8）SPE和T2统计量的控制限计算