相关峭度的Matlab代码-SparseProjectionPursuit：稀疏投影追求

简介：
SparseProjectionPursuit是利用Matlab实现的一种寻找数据中稀疏结构的有效算法，适用于高维数据分析和特征选择。 基于峰度的投影追踪分析（PPA）作为一种替代性的探索性数据分析算法被开发出来，不同于传统的PCA、HCA和kNN方法依赖于方差及距离指标来获取高维数据的信息性投影，普通的PPA通过优化峰度值来找寻有意义的数据模式。然而，在样本变量比率较低的情况下，普通PPA可能会过度建模原始变量的组合，导致峰值偏低的问题。 为了解决这个问题，并使算法不依赖PCA进行预处理，我们开发了稀疏版本的基于遗传算法选择子集来实现投影追踪（SPPA）。这个方法能够在保持数据信息量的同时减少计算复杂度。此存储库包含用于将该技术应用于高维数据分析的MATLAB代码和示例。 最近发表的一篇论文中展示了一个图，说明了SPPA的基本操作原理。其中的关键函数是SPPA.m，它通过遗传算法实现基于稀疏峰度值的投影追踪分析。为了正确引用这项研究，请遵循相应的文献指引。 存储库结构方面，在主分支上提供了原始版本1.0的代码，并且如果有需要的话，可以在其他带有相应版本号的分支中找到更新或修订后的源码。