R语言 rSFA包 sfa2()函数中文帮助文档(中英文对照)

loveR

sfa2(rSFA)
sfa2()所属R语言包：rSFA

                                        The SFA2 algorithm, SFA with degree 2 expansion.
                                         SFA2算法，SFA 2个扩展程度。

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Y = sfa2(X) performs expanded Slow Feature Analysis on the input data X and returns the output signals Y ordered by increasing temporal variation, i.e. the first signal Y[,1] is the slowest varying one, Y[,2] the next slowest varying one and so on. The input data have to be organized with each variable in a column and each data (time) point in a row, i.e. X(t,i) is the value of variable i at time t.  By default an expansion to the space of 2nd degree polynomials is done, this can be changed by using different functions for xpDimFun and sfaExpandFun.
Y = sfa2（X）的执行扩大慢特征分析上的输入数据X，并返回的输出信号Y通过增加的时间变化的排列的，即第一信号Y [1]是最慢的不同的一个，Y [2]下最慢的变化1等。组织在一列中的每个变量的输入数据，并在一行中的每个数据点（时间），即X（吨，i）的变量i的值是在时间t。默认情况下，扩展的第二次多项式的空间，这是可以改变的使用不同的的功能xpDimFun和sfaExpandFun的。


用法----------Usage----------


  sfa2(x, method = "SVDSFA", ppType = "PCA",
    xpDimFun = xpDim, sfaExpandFun = sfaExpand)



参数----------Arguments----------

参数：x
input data
输入数据


参数：method
eigenvector calculation method: ="SVDSFA" for singular value decomposition (recommended) or ="GENEIG" for generalized eigenvalues (unstable!). GENEIG is not implemented in the current version, since R lacks an easy option to calculate generalized eigenvalues.
特征向量的计算方法：=“SVDSFA”的奇异值分解（推荐）或=“GENEIG”的广义特征值（unstable!）。 GENEIG在当前版本中没有实现，因为R没有一个简单的选项来计算广义特征值。


参数：ppType
preprocessing type: ="PCA" (principal component analysis) or ="SFA1" (linear sfa)
预处理类型：“PCA（主成分分析），或=”SFA1“（线性SFA）


参数：xpDimFun
function to calculate dimension of expanded data
功能扩展的数据来计算尺寸


参数：sfaExpandFun
function to expand data
功能扩展数据


值----------Value----------

list sfaList with all SFA information, among them
列表sfaList与所有SFA信息，其中


参数：<code>y</code>
a matrix containing the output Y (as described above)   <tr valign="top"><td>-</td>
含有的输出Y（如上面所述）的矩阵<tr valign="top"> <TD>-</ TD>

all input parameters to sfa2Create   <tr valign="top"><td>-</td>
所有的输入参数，以sfa2Create<tr valign="top"> <TD> -</ TD>

all elements of sfaList as specified in sfa2Step
sfaList的所有元素中指定的sfa2Step


参见----------See Also----------

sfa2Step sfa2Create sfaExecute sfa1
sfa2Stepsfa2CreatesfaExecutesfa1


实例----------Examples----------


## prepare input data for simple demo[＃简单的演示准备输入数据]
t=seq.int(from=0,by=0.011,to=2*pi)
x1=sin(t)+cos(11*t)^2
x2=cos(11*t)
x=data.frame(x1,x2)
## perform sfa2 algorithm with data[，＃执行sfa2算法的数据]
res = sfa2(x)
## plot slowest varying function of result[＃图最慢变函数的结果]
plot(t, res$y[,1],type="l",main="output of the slowest varying function")
## see http://www.scholarpedia.org/article/Slow_feature_analysis#The_algorithm[＃见http://www.scholarpedia.org/article/Slow_feature_analysis＃The_algorithm]
## for detailed description of this example[＃这个例子详细说明]

转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。


注：
注1：为了方便大家学习，本文档为生物统计家园网机器人LoveR翻译而成，仅供个人R语言学习参考使用，生物统计家园保留版权。
注2：由于是机器人自动翻译，难免有不准确之处，使用时仔细对照中、英文内容进行反复理解，可以帮助R语言的学习。
注3：如遇到不准确之处，请在本贴的后面进行回帖，我们会逐渐进行修订。