Внедряет ли GSVD все линейные многомерные методы?

Я наткнулся на статью Эрве Абди об обобщенном СВД. Автор упомянул:

Обобщенный SVD (GSVD) разбивает прямоугольную матрицу и учитывает ограничения, накладываемые на строки и столбцы матрицы. GSVD дает взвешенную обобщенную оценку наименьших квадратов данной матрицы с помощью матрицы более низкого ранга и, следовательно, при адекватном выборе ограничений GSVD реализует все линейные многомерные методы (например, каноническая корреляция, линейный дискриминантный анализ, анализ соответствия, PLS -regression).

Мне интересно, как GSVD связан со всеми линейными многомерными методами (например, каноническая корреляция, линейный дискриминантный анализ, анализ соответствия, PLS-регрессия).

Раздел 4.1 статьи описывает, какими должны быть матрицы M и W для обобщенного SVD, чтобы получить результаты, сопоставимые с анализом соответствия. Автор также цитирует свою ссылку № 3, чтобы объяснить, как обобщенный SVD может дать результаты, сопоставимые с другими упомянутыми многомерными методами.