1) PCA and MCA
主次元分析
2) 2~(nd)-order PCA
二次主元分析
3) minor component analysis
次元分析
1.
A minor component analysis(MCA) learning rule is presented which includes a penalty term on the self-stabilizing MCA learning rule.
基于自稳定次元分析学习规则,提出一种添加了惩罚项的次元分析(MCA)学习规则。
4) primary and secondary analysis
主次分析
5) principal component analysis
主元分析
1.
Application of improved principal component analysis method to mould process monitoring in continuous casting;
改进的主元分析法在连铸结晶器过程监测中的应用
2.
The application of principal component analysis on sEMG signals analysis during slips;
主元分析在研究滑倒时肌电信号中的应用
3.
A method for truss structural damage detection based on principal component analysis;
基于主元分析的网架结构损伤识别方法
6) Principle component analysis
主元分析
1.
Diagnosis for Sensor Faults Based on Principle Component Analysis;
基于主元分析的传感器故障诊断
2.
The principle component analysis (PCA) technique is applied to preprocessing high dimensional input variable so that the dimension of input variable is decreased, and an estimator model based on PCAFRBFN is constructed.
研究以模糊聚类和径向基函数网络结合的模糊径向基函数网络ＦＲＢＦＮ，并用主元分析对高维输入变量进 行预处理，降低了模型的输入变量维数，进而构造基于ＰＣＡ－ＦＲＢＦＮ的估计模型。
3.
In this paper,the principle component analysis(PCA) theory is introduced,and the theory is used for fault diagnosis of lock of actuator.
文中介绍了主元分析算法以及在故障检测方面的应用。
补充资料：主次因素分析图
分子式：
CAS号：
性质：又称主次因素分析图。它是找出影响产品质量主要因素的一种简单而有效的方法。20世纪初，意大利经济、统计学家帕累托(pareto)首创，也称帕累托图。以后美国质量管理专家朱兰把该图应用到质量管理工作中。作质量分析时，尽管影响产品质量最关键的往往是少数几项，而它造成的不良品数却占总数的绝大部分，一般其比例为0～80％称A类。其中占80％～90％，称B类，90％～100％称C类。在B类中，项数多，但累计不良品数所占比例仅为10％。在C类中，项数更多，但累计不良品数所占比例也仅为10％。A类称影响产品质量的主要因素，B为次要因素，C为一般因素。
CAS号：
性质：又称主次因素分析图。它是找出影响产品质量主要因素的一种简单而有效的方法。20世纪初，意大利经济、统计学家帕累托(pareto)首创，也称帕累托图。以后美国质量管理专家朱兰把该图应用到质量管理工作中。作质量分析时，尽管影响产品质量最关键的往往是少数几项，而它造成的不良品数却占总数的绝大部分，一般其比例为0～80％称A类。其中占80％～90％，称B类，90％～100％称C类。在B类中，项数多，但累计不良品数所占比例仅为10％。在C类中，项数更多，但累计不良品数所占比例也仅为10％。A类称影响产品质量的主要因素，B为次要因素，C为一般因素。
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