论文部分内容阅读
随着各行业的快速发展和对数据应用的重视,产生的数据越来越多,结构也越来越复杂,含异常值的数据和高维数据越来越多地出现在我们的视野中.传统的典型相关分析对异常值非常敏感,基于MCD估计方法的典型相关分析对异常值有一定的抵御作用,但随着数据维数的增加MCD估计的偏差不断变大,稳健性也随之降低,且在数据维数大于样本量的时候MCD估计方法失效,因此提出了基于MRCD估计方法的高维稳健典型相关分析.数值模拟和实证分析的结果表明,基于MRCD估计方法的典型相关分析能很好地抵御异常值,而且在数据维数大于样本量的情况下,基于MRCD估计方法的典型相关分析更为有效.