1) DiaPCA(diagonal principal component analysis)
对角主成份分析
2) DiagPCA
对角主成分分析
3) principal component analysis
主成份分析
1.
The application of principal component analysis on the regional consumption levels;
主成份分析在地区综合消费水平评析中的应用
2.
The application of principal component analysis to teaching appraise;
主成份分析在教学评估中的实证应用
3.
Seven principal components were gotten from the conclusion that the testing items were analyzed with principal component analysis.
文章用FAST仪对国内外轻薄型面料的加工性能进行了测试和主成份分析,结果表明,国内外轻薄型面料加工性能评价可用7个独立主成份来评价,第1主成份为可成形性,其它依次为湿膨胀主成份、厚重主成份、松弛回缩率主成份、经向弹性主成份、悬垂性主成份、剪切刚度主成份。
4) Principle component analysis
主成份分析
1.
SAS and SPSS software were commonly used in foretime,this paper give the application of Matlab software in multivariate statistical analysis,mostly introduce the application of Matlab Software in principle component analysis and cluster analysis and differentiate analysis.
过去一般采用SAS、SPSS软件分析,本文给出Matlab软件在多元统计分析上的应用,主要介绍Matlab在主成份分析、聚类分析、判别分析上的应用。
2.
This article extracts four factors and summarizes nine specific indications, and apply "principle component analysis" to build a rudimental.
这里抽象出我国上市公司资本结构形成的四个因素,概括出九个具体的指标,运用主成份分析建立了我国上市公司资本结构评价模型的一个雏形,并给出了一个大概的最佳的资本结构区间。
5) Principal components analysis
主成份分析
1.
Aiming at the problem that dataset is of high dimensions,principal components analysis is used in anomaly detection to reduce the dimensions of dataset.
针对数据对象是高维数据的问题,将主成份分析方法应用到异常检测中解决数据集的降维问题。
2.
The results of principal components analysis reveals that the first three principal components comprise 91.
主成份分析表明前三主成份可保留总信息量的91 。
3.
This paper used the principal components analysis method of multivariate statistical analysis theory and the cluster analysis to study the states of science and technology development of anhui province.
本文应用主成份分析法和聚类方法，对安徽省各地市企业科技开发状况进行了分析。
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