1) principal curve component
主曲线成分
1.
In this paper, a new nonlinear analytic method, principal curve component analysis (PC~2A) is proposed.
为此在对线性主成分分析非线性数据研究的基础上,提出了一种新的非线性成分分析方法,即主曲线成分分析。
2) principal curve segmentation
分割主曲线
4) master plots method
主曲线法
1.
The master plots method along with a statistical procedure was employed to determine the kinetic model and kinetic parameters of the thermal decomposition process of stannous oxalate,which led to the produce of stannous oxide and conformed .
采用差示扫描量热法(DSC)研究了草酸亚锡的热分解过程,通过主曲线法并结合统计方法判定得到草酸亚锡热分解过程的动力学模型函数,求算得到了动力学参数。
2.
Iso-conversional method was applied to estimate the apparent activation energy E_a,and the most probable mechanism function G(α) was determined by using the master plots method.
mol-1;用主曲线法确定了亮氨酸热失重过程的最可几机理函数G(α)为一维相边界反应函数,G(α)=α;再由Ea和G(α)求得指前因子ln(A/s-1)=23。
3.
Also, the multi-heating rate method along with master plots method was employed to estimate the kinetic triplets of the thermal decomposition process.
采用热重法研究了水合草酸锌热分解反应过程,并通过多升温速率法和主曲线法相结合求算得到了水合草酸锌热分解反应两个过程的动力学三因子。
5) master curve
主曲线
1.
Nondestructive assessment approaches to storage life of solid propellants(II)—master curve of dynamic mechanical property surveillance method;
固体推进剂贮存寿命非破坏性评估方法(II)——动态力学性能主曲线监测法
2.
Determination of master curve of dynamic shearing modulus of asphalt mixture
沥青混合料动态剪切模量主曲线的确定
3.
By shifting, the shift factors are deduced by Williams-Landel-Ferry (WLF) equation and the creep compliance master curve clusters are obtained at different temperatures.
通过移位,按WLF公式推导得到了不同温度下的移位因子和各个温度下的蠕变柔量主曲线簇。
6) principal curve
主曲线
1.
Modeling principal curve based on B-Spline network;
基于B-样条网络的主曲线建模
2.
Hand-drawn shape recognition based on k-segment algorithm for principal curves
基于K段主曲线算法的手绘形状识别
3.
On the basis of the nonparametric feature of traffic safety data,principal curve was applied to analyzing the tremendous traffic safety data in this paper.
针对交通安全数据的非参数性,将主曲线方法应用于交通安全数据分析。
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