1) Principal component analysis
主元分析法
1.
This method is based on the principal component analysis and neural network.
该ECG压缩算法克服了直接用主元分析法压缩数据时,要计算维数巨大相关矩阵的困难。
2.
Ranges the influencing factors, with the principal component analysis, in order of their contribution to the model.
阐明了空调建筑能耗模型的三大特点:建筑整体性、过程动态性和因素综合性,分析了影响空调建筑能耗模型的诸多变量与影响因素,并在工程实践、现场实测以及研究模拟的基础上,提出了简单实用的空调建筑能耗模型的框架实例,用主元分析法判定了模型影响因素的主次关系。
3.
And the principal component analysis is applied to preprocessing high dimensional input variable so that simplified Neural Networks structure.
针对前馈网络的不足,提出利用改进的Elman神经网络模型对兰州石化某厂600kt乙烯精馏塔出口成分含量进行建模和预测,并采用主元分析法对高维输入变量进行预处理,以简化网络建模的结构。
2) principal component analysis(PCA)
主元分析法
1.
To this question,principal component analysis(PCA) method was used to reorganize the factors.
针对这个问题,利用主元分析法将影响因素重组,在此基础上,提出一种基于遗传算法的Elman神经网络模型对铜转炉吹炼终点进行预测。
2.
In addition,the Principal Component Analysis(PCA) for feature tra.
提出了一种融合静态特征与动态特征的步态识别方法,该算法使用小波矩描述步态序列图像的静态特征,接着使用主元分析法对小波矩进行降维,而图像的动态特征则用人体轮廓的3个宽度特征来描述。
3.
Based on the characteristics of the color scanner,the spectral reconstruction of images was studied using the method combining the principal component analysis(PCA) and back-propagation(BP) artificial neural network.
针对彩色扫描仪的特点,采用主元分析法(PCA)和反向传播(BP)人工神经网络(ANN)相结合的方法对图像光谱重构进行研究。
3) PCA
主元分析法
1.
Application of PCA in Color-based Feature Extraction of Image;
主元分析法(PCA)在图像颜色特征提取中的应用
2.
Takes the safe application of the intelligent mobile phone as its carrier,integrates the advantages of PCA and multi weighted value function neural network for face identification,makes use of nonlinear multi weighted value function neural network to refine multi components,and multi weighted value function neural network face identification.
该文以高端智能手机的安全应用为载体,结合主元分析法和多权值函数神经网络在人脸识别中的优势,利用非线性多权值函数神经网络实现多主元提取,以及多权值函数神经网络识别。
3.
PCA(Principle Component Analysis) is an effective technique for dimensional reduction and feature extraction.
主元分析法是一种有效降低维数和提取特征的方法,在对主元分析法改进的基础上,提出了一种运动目标检测及人脸提取技术。
4) Principle Component Analysis
主元分析法
1.
Benefiting from the reluctant signal of velocity in the normal servo system,the principle component analysis is introduced to solving the fault of losing co des and pausing codes in the encoder.
进而利用一般数控伺服系统中能够提供的速度冗余信号,研究了主元分析法在系统中对编码器丢码、断码故障进行诊断的基本原理和流程。
5) principal component regression analysis
主元递归分析法
6) Kernel principal component analysis
核主元分析法
1.
A nonlinear fault detection method based on kernel principal component analysis (KPCA) is introduced.
介绍了一种非线性故障检测方法———核主元分析法(KPCA),通过核函数来完成非线性变换,将变量由非线性的输入空间转换到线性的特征空间。
补充资料：容量分析法(见化学分析法)
容量分析法(见化学分析法)
容t分析法见化学分析法
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条