1) smoothing principal component analysis
平滑主成分分析
1.
By introducing the WT into factor analysis (FA) technique, a novel algorithm named wavelet transfer based smoothing principal component analysis (WTBSPCA) was proposed.
本文把小波变换引入到因子分析中，提出了基于小波变换平滑主成分分析，该算法既保留普通主成分分析的正交分解，又具备了小波变换的信号分离能力。
2) smoothed analysis
平滑分析
1.
The algorithm community pays close attention to smoothed analysis.
有很多算法其最坏情况复杂性很坏 (甚至是指数阶的 ) ,但在实际应用中却很有效 其中一个典型代表就是求解线性规划问题的单纯形算法 最近 ,Spielman和Teng提出了算法的平滑复杂性概念及算法复杂性平滑分析方法 ,对上述矛盾给出了合理的解释 ,在理论计算机科学界引起了极大的关注 为此 ,做了以下工作 :介绍算法复杂性平滑分析的基本概念 ;介绍两年多来算法复杂性平滑分析主要的研究进展 ;从实际应用出发提出一个更合乎算法复杂性平滑分析思想的随机扰动模型 (简称TSSP模型 ) ,克服“PartialPermutation”随机扰动模型的不足 ,并证明在TSSP模型下快速排序算法的时间平滑复杂性为O(2λn×log2 (n) ) ,其中λ是随机扰动幅度大小 最后 ,对算法复杂性平滑分析的研究提出了展
3) Principal component Analysis
主成分析
4) principal component analysis
主成分分析
1.
Study on the influence factors of Chinese petroleum enterprises' core competence based on principal component analysis;
我国石油企业核心竞争力影响因素的主成分分析
2.
Determination of opening width of sand control screen from principal component analysis;
用主成分分析法确定防砂筛管的缝宽
3.
Application of principal component analysis and Fisher discrimination method in the classification of gasoline;
主成分分析法和Fisher判别方法在汽油分类分析过程中的应用
5) Principal component analysis(PCA)
主成分分析
1.
The method of risk evaluation based on principal component analysis(PCA)—radial basic function(RBF) neural network(NN) was given.
对电力系统通信光纤保护通道风险评估进行了研究,给出了PCA(主成分分析)-RBF(径向基)神经网络的风险评估方法,最后对某省实际运行的光纤保护通道进行风险评估来验证该方法的优越性。
2.
This scheme restores the high-resolution residual errors for multispectral images by fusing the high-resolution residual error extracted from panchromatic image and the low-resolution residual errors extracted from multispectral images based on principal component analysis(PCA).
该方法借助于主成分分析(principal component analysis,PCA),通过对多光谱图像的残差图像和全色图像的残差图像进行融合来恢复出多光谱图像的高分辨率残差图像,以实现多光谱图像和全色图像的融合。
6) PCA
主成分分析
1.
Application of Principal Component Analysis (PCA) in the Assessment of Surface Water Environmental Quality in Chengdu;
运用主成分分析评价成都市地表水环境质量
2.
The application of principal component analysis (PCA) on computing of the parameters in naphtha pyrolysis;
主成分分析法在估算石脑油裂解参数中的应用
3.
QSAR studies on nitrobenzene derivatives with PCA-ANN;
主成分分析-神经网络方法用于硝基苯及其同系物的QSAR研究
补充资料：主成分分析
| 主成分分析 principal component analysis 将多个变量通过线性变换以选出较少个数重要变量的一种多元统计分析方法。又称主分量分析。在实际课题中，为了全面分析问题，往往提出很多与此有关的变量（或因素），因为每个变量都在不同程度上反映这个课题的某些信息。但是，在用统计分析方法研究这个多变量的课题时，变量个数太多就会增加课题的复杂性。人们自然希望变量个数较少而得到的信息较多。在很多情形，变量之间是有一定的相关关系的，当两个变量之间有一定相关关系时，可以解释为这两个变量反映此课题的信息有一定的重叠。主成分分析是对于原先提出的所有变量，建立尽可能少的新变量，使得这些新变量是两两不相关的，而且这些新变量在反映课题的信息方面尽可能保持原有的信息。主成分分析首先是由K.皮尔森对非随机变量引入的，尔后H.霍特林将此方法推广到随机向量的情形。信息的大小通常用离差平方和或方差来衡量。 |
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