1) Complex Principal Component Analysis(CPCA)
复数主成分分析
1.
This paper proposes a method that can automatically obtain common lineshape in the spectrum data set based on Complex Principal Component Analysis(CPCA), which can correct frequency shifts and damping factor shifts effectively.
该文提出了一种应用复数主成分分析方法(CPCA)来获取波谱基木波型,自动校正频率和衰减系数偏移的方法。
2) Principal Analysis in the Complex Space(CPCA)
复主成分分析(CPCA)
3) functional principal components analysis
函数主成分分析
1.
A low-dimensional functional space is constructed from a set of example motions by using functional principal components analysis.
通过对一组样本运动进行函数主成分分析,构建出一个由特征运动构成的低维函数子空间。
4) PCA-DEA algorithmic model
主成分分析-数据包络分析(PCA-DEA)复合模型
5) Principal component Analysis
主成分析
6) 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
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