1) DiagPCA
对角主成分分析
2) DiaPCA(diagonal principal component analysis)
对角主成份分析
3) absolute principal component analysis
绝对主成分分析
1.
Then the data were analyzed by absolute principal component analysis(APCA)to evaluate the principal components and the percent variance explained by them.
采用分粒径采样器和步进式时间序列自动采样器分别在珠峰、戈壁沙漠边缘的张掖和北京等３个地点进行了大气气溶胶采样，用ＰＩＸＥ分析法进行了多元素质量浓度测定，然后对测定的数据进行了绝对主成分分析，并对这３个地区大气气溶胶的主要来源及其贡献率等进行了讨论。
4) 2DSPCA
二维对称主成分分析
1.
An improved PCA algorithm with two dimension symmetrical PCA(2DSPCA),was used in face recognition.
本文把其改进算法二维对称主成分分析应用到人脸识别中。
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