1) Principal component analysis ordination
主分量分析排序
2) principal component ordination
主分量排序
1.
pygmaea meadow were divided into different phenological groups with cluster analysis and principal component ordination.
通过对青藏高原祁连山东段冷龙岭南麓高寒小嵩草Kobrecia pygmaea草甸主要植物种群物候特性的观测研究,采用聚类分析和主分量排序法将小嵩草草甸26种植物种群划分为不同的物候类群。
2.
The 26 plant populations were divided into different phenological groups by cluster analysis and principal component ordination.
通过对青藏高原祁连山东段高寒小嵩草草甸主要植物种群物候特性的观测研究,采用聚类分析和主分量排序法将小嵩草草甸26种植物种群划分为不同的物候类群。
3) Index analysis
排序分析
1.
The sibship of them was studied by index analysis.
通过对箭胡毛杨及其亲本箭杆杨和胡杨聚丙烯酰胺凝胶电泳,分析了过氧化物酶(PER)、酯酶(EST)、苹果酸脱氢酶(MDH)同工酶电泳结果,明确了其酶谱的特征及分布,并通过排序分析方法分析其相互之间的亲缘关系。
5) Principal Component Analysis(PCA)
主分量分析
1.
Based on the Principal Component Analysis(PCA),the influence force of the influence factors in the coagulation process is analyzed.
该文在对合成洗涤剂废水进行混凝反应实验基础上,针对影响因素影响力大小的不同问题,使用主分量分析方法,对输入输出权矩阵进行处理和分析,对各影响因素影响力大小顺序进行了研究。
2.
The 25 plots of degraded karst forests were chosen as the research objects and 25 plots were divided into 11 forest types by principal component analysis(PCA).
用25个退化喀斯特森林样地作为研究对象,采用主分量分析方法,把25个样地划分成11个森林类型,并对各类型的分布及特征进行阐述。
3.
This paper presents an algorithm about SAR image change detection based on Principal Component Analysis(PCA).
该文提出一种基于主分量分析(PCA)的SAR图像变化检测算法。
6) principle component analysis
主分量分析
1.
The results gained through utilizing the principle component analysis to analyze PM_(10) data could.
11城市的污染资料主分量分析结果可以很好地描述华北地区的各类天气型控制下,华北城市群区域性的同步污染和输送汇聚环境过程,并可以依据主分量分析结果对各城市的环境质量做出客观上的评价。
2.
Dynamic and static mapping techniques are introduced here as the qualitative methods while statistical methods,inverse calculation and principle component analysis are introduced a.
在定量处理方法中讨论了统计学方法、逆运算方法和主分量分析方法。
3.
Mixed image cells decomposition algorithm based on principle component analysis is a widely used algorithm, but the large computation amount and less flexibility are its main drawbacks.
基于主分量分析的混合像元分解算法是一种较为成熟的算法 ,但它存在着计算量大 ,适应性差等缺点。
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