现代信号处理 12 - 深入探讨奇异值分解
Posted Ciaran-byte
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了现代信号处理 12 - 深入探讨奇异值分解相关的知识,希望对你有一定的参考价值。
深入探讨奇异值分解
文章目录
1. PCA、KL展开与SVD
1.1 PCA公式证明
我们考虑一个随机矢量,其中zk是一个随机变量
Z = ( z 1 , . . . , z n ) T Z = (z_1,...,z_n)^T Z=(z1,...,zn)T
我们假定Z符合高斯分布
Z ∼ N ( μ , Σ ) Z \\sim N(\\mu,\\Sigma) Z∼N(μ,Σ)
我们想对Z进行PCA,我们假设Z是个无偏的估计
E ( Z ) = 0 V a r ( Z ) = E ∣ Z ∣ 2 E(Z) = 0 \\\\ Var(Z) = E |Z|^2 E(Z)=0Var(Z)=E∣Z∣2
我们想对Z进行分析,找到他能量分布最大的方向α,同时我们假设方向向量α是个单位向量,要找到Z能量分布最大的方向,也就是Z在α上投影最大。
α ∈ R n E ∣ P r o j α Z ∣ 2 ⇒ m a x E ∣ P r o j α Z ∣ 2 , s . t . ∣ ∣ α ∣ ∣ = 1 \\alpha \\in R^n \\\\ E|Proj_\\alpha Z|^2 \\Rightarrow maxE|Proj_\\alpha Z|^2,s.t. ||\\alpha|| = 1 α∈RnE∣ProjαZ∣2⇒maxE∣ProjαZ∣2,s.t.∣∣α∣∣=1
根据投影公式
P r o j α Z = α ( α T α ) − 1 α T Z ∣ ∣ P r o j α Z ∣ ∣ 2 = Z T α ( α T α ) − 1 α T ∗ α ( α T α ) − 1 α T Z = Z T α ∗ α T Z Proj_\\alpha Z = \\alpha (\\alpha^T \\alpha)^-1 \\alpha^T Z \\\\ ||Proj_\\alpha Z||^2 = Z^T \\alpha (\\alpha^T \\alpha)^-1 \\alpha^T *\\alpha (\\alpha^T \\alpha)^-1 \\alpha^T Z\\\\ =Z^T \\alpha* \\alpha^T Z ProjαZ=α(αTα)−1αTZ∣∣ProjαZ∣∣2=ZTα(αTα)−1αT∗α(αTα)−1αTZ=ZTα∗αTZ
所以目标函数变成
E ∣ P r o j α Z ∣ 2 ⇒ m a x E ∣ P r o j α Z ∣ 2 , s . t . ∣ ∣ α ∣ ∣ = 1 ⇒ m a x α E ∣ α T Z ∣ 2 , s . t . ∣ ∣ α ∣ ∣ = 1 E|Proj_\\alpha Z|^2 \\Rightarrow maxE|Proj_\\alpha Z|^2,s.t. ||\\alpha|| = 1 \\\\ \\Rightarrow max_\\alphaE|\\alpha^TZ|^2,s.t. ||\\alpha||=1 E∣ProjαZ∣2⇒maxE∣ProjαZ∣2,s.t.∣∣α∣∣=1⇒maxαE∣αTZ∣2,s.t.∣∣α∣∣=1
用拉格朗日数乘法解条件极值问题
g ( α , λ ) = E ( α T Z ) ( Z T α ) − λ ( α T α − 1 ) = α T R Z α − λ ( α T α − 1 ) ∇ α g ( α , λ ) = 2 R Z α − 2 λ α = 0 R Z α = λ α g(\\alpha,\\lambda) = E(\\alpha^TZ)(Z^T \\alpha) - \\lambda(\\alpha^T \\alpha-1) = \\alpha^T R_Z \\alpha - \\lambda(\\alpha^T \\alpha-1)\\\\ \\nabla_\\alpha g(\\alpha,\\lambda) = 2R_Z\\alpha - 2\\lambda \\alpha = 0 \\\\ R_Z \\alpha = \\lambda \\alpha g(α,λ)=E(αTZ)(ZTα)−λ(αTα−1)=αTRZα−λ(αTα−1)∇αg(α,λ)=2RZα−2λα=0RZα=λα
其中
R Z = E ( Z ∗ Z T ) R_Z = E(Z*Z^T) RZ=E(Z∗ZT)
说明得到的方向是Z的相关矩阵的特征向量。
而我们希望获得最大化的能量分散,也就是要获得最大的特征值
m a x α T R Z α = m a x λ ⇒ m a x α 1 T R Z α 1 = m a x λ 1 max \\alpha^T R_Z \\alpha = max \\lambda \\\\ \\Rightarrow max \\alpha_1^T R_Z \\alpha_1 = max \\lambda_1 maxαTRZα=maxλ⇒maxα1TRZα1=maxλ1
因此我们找到的第一个主成分,就是最大的那个特征值。我们希望继续找能量分散最大的方向,其实也就是要到α的正交补空间中继续寻找,因此如果继续求条件极值的话,目标函数应该是这样的
m
a
x
α
n
E
∣
α
n
T
Z
∣
2
s
.
t
.
∣
∣
α
n
∣
∣
=
1
s
.
t
.
α
1
T
α
n
=
0
max_\\alpha_nE|\\alpha_n^TZ|^2 \\\\ s.t. \\quad ||\\alpha_n||=1 \\\\ \\quad s.t. \\quad \\alpha_1^T \\alpha_n = 0
maxαnE∣αnTZ∣2s.t.以上是关于现代信号处理 12 - 深入探讨奇异值分解的主要内容,如果未能解决你的问题,请参考以下文章