R语言 sideChannelAttack包 filter.PCA()函数中文帮助文档(中英文对照)

loveR

filter.PCA(sideChannelAttack)
filter.PCA()所属R语言包：sideChannelAttack

                                        filter.PCA
                                         filter.PCA

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

The filter.PCA function applies the feature selection Principal Component Analysis (PCA) to a set of physical measures.
filter.PCA功能应用功能选择主成分分析（PCA）的一组物理措施。


用法----------Usage----------


filter.PCA(X,nbreVarX_,...)



参数----------Arguments----------

参数：X
A matrix where each row is a physical measures.
一个矩阵，其中每行是一个物理措施。


参数：nbreVarX_
The number of variables which represents each physical measures after the reduction by the PCA.
代表每个物理措施后减少由PCA的变量的数目。


参数：...
Currently ignored.
目前忽略不计。


Details

详细信息----------Details----------

The filter.PCA function is the feature selection PCA. It converts a set of physical measures to another one with less components.
filter.PCA函数PCA的特征选择。它转换成一组的物理措施，用更少的组件中的另一个。


值----------Value----------

The filter.PCA function returns an object which can be used with the predict function to reduce each physical measure. This physical measure can be the same or another one than contained in X.
filter.PCA函数返回一个对象，它可以使用predict功能，以减少每个物理措施。这种物理措施可以是相同的或，比包含在X中的另一个。

The value of this function is an object of class filter.PCA, which is a list with the following components:
此函数的值是一个对象的类filter.PCA，它是一个具有下列组件列表：


参数：mod
a model of PCA.
PCA的典范。


参数：nbreVarX
number of component to get after the projection by the PCA of a physical measure.
数量的分量，得到投影后由一个物理措施的PCA。


（作者）----------Author(s)----------


Liran Lerman <a href="mailto:llerman@ulb.ac.be">llerman@ulb.ac.be</a> &amp; Gianluca Bontempi <a href="mailto:gbonte@ulb.ac.be@ulb.ac.be">gbonte@ulb.ac.be@ulb.ac.be</a> &amp; Olivier Markowitch <a href="mailtolivier.markowitch@ulb.ac.be">olivier.markowitch@ulb.ac.be</a>



参考文献----------References----------



实例----------Examples----------



#data collection[数据收集]
data(powerC)
traces = powerC[,-301]
key = powerC[,301]

#model creation[模型的创建]
attack=filter.PCA(X=traces[-1,],nbreVarX_=2)

#model prediction[模型预测]
predict(attack,t(traces[1,]))

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。