Kernel principal component analysisIn the field of multivariate statistics, kernel principal component analysis (kernel PCA) is an extension of principal component analysis (PCA) using techniques of kernel methods. Using a kernel, the originally linear operations of PCA are performed in a reproducing kernel Hilbert space. Recall that conventional PCA operates on zero-centered data; that is, where is one of the multivariate observations.
Multilinear subspace learningMultilinear subspace learning is an approach for disentangling the causal factor of data formation and performing dimensionality reduction. The Dimensionality reduction can be performed on a data tensor that contains a collection of observations have been vectorized, or observations that are treated as matrices and concatenated into a data tensor. Here are some examples of data tensors whose observations are vectorized or whose observations are matrices concatenated into data tensor s (2D/3D), video sequences (3D/4D), and hyperspectral cubes (3D/4D).
Transformation de MellinEn mathématiques, la transformation de Mellin est une transformation intégrale qui peut être considérée comme la version de la transformation de Laplace bilatérale. Cette transformation intégrale est fortement reliée à la théorie des séries de Dirichlet, et est souvent utilisée en théorie des nombres et dans la théorie des développements asymptotiques ; elle est également fortement reliée à la transformation de Laplace, à la transformation de Fourier, à la théorie de la fonction gamma et aux fonctions spéciales.
Fonction de Walshvignette|Les premières fonctions de Walsh, où j est le numéro de la fonction, km est le nombre de bits de la fonction numéro j mais en code gris et x est la variable dyadique. Les fonctions de Walsh, nommées d'après Joseph L. Walsh, sont un ensemble de fonctions qui forment une base hilbertienne de l'espace L([0, 1]) des fonctions de carré intégrable sur l'intervalle unité. Ces fonctions prennent uniquement les valeurs –1 et 1, sur des sous-intervalles définis par les fractions dyadiques.