1) robust PCA
鲁棒主成分分析
1.
Self organizing algorithm of robust PCA based on single layer NN;
基于单层网络的自组织的鲁棒主成分分析(PCA)算法
2) robust principal component analysis
鲁棒主元分析
1.
Fault diagnosis method based on robust principal component analysis;
基于鲁棒主元分析的故障诊断方法
3) robustness analysis
鲁棒分析
1.
In virtue of LFT and SSV (Structured Singular Value), the uniform framework for robustness analysis of the mistuned structures is obtained.
文中建立了失谐周期结构的物理模型,通过线性分式变换将失谐参数作为反馈引入到系统中,基于状态空间和传递函数建立失谐系统的鲁棒分析模型,并结合结构奇异值建立了失谐周期结构鲁棒分析框架。
4) robust MPCA
鲁棒多向主元分析
5) robustness analysis
鲁棒性分析
1.
Fuzzy robustness analysis based on importance sampling and neural network;
基于重要抽样法和神经网络的模糊鲁棒性分析
2.
Probabilistic robustness analysis of uncertain control systems using adaptive importance sampling;
不确定控制系统概率鲁棒性分析——自适应重要抽样法
3.
This assessment system consists of a multidimensional and multi-tier web quality model,WebQM(web quality model),web source quality evaluation algorithm,and robustness analysis of assessment results.
该系统包括多维多层次的Web资源质量评测模型(WebQM)、Web资源质量评测算法以及评测结果的鲁棒性分析。
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