1) grouping PCA
分组主成分分析
2) principal component analysis
主组分分析
1.
Research on damage localization of principal component analysis-based probabilistic neural network;
基于主组分分析的概率神经网络损伤定位研究
2.
In this study, a principal component analysis (PCA) method is presented to deal with data for feature vectors reduction, and a PNN is applied to the damage location.
针对PNN在有噪声情况下进行结构损伤检测时输入矢量数目大,匹配模式多,训练时间长的缺点,提出了运用主组分分析法来处理数据的概率神经网络损伤定位方法。
3.
Using principal component analysis in chemometrics,a distribution feature of the nutritive elements was discussed.
运用化学计量学中的主组分分析方法 ,讨论了这些营养元素分布特征 。
3) 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
4) Principal component analysis(PCA)
主成分分析
1.
The method of risk evaluation based on principal component analysis(PCA)—radial basic function(RBF) neural network(NN) was given.
对电力系统通信光纤保护通道风险评估进行了研究,给出了PCA(主成分分析)-RBF(径向基)神经网络的风险评估方法,最后对某省实际运行的光纤保护通道进行风险评估来验证该方法的优越性。
2.
This scheme restores the high-resolution residual errors for multispectral images by fusing the high-resolution residual error extracted from panchromatic image and the low-resolution residual errors extracted from multispectral images based on principal component analysis(PCA).
该方法借助于主成分分析(principal component analysis,PCA),通过对多光谱图像的残差图像和全色图像的残差图像进行融合来恢复出多光谱图像的高分辨率残差图像,以实现多光谱图像和全色图像的融合。
5) PCA
主成分分析
1.
Application of Principal Component Analysis (PCA) in the Assessment of Surface Water Environmental Quality in Chengdu;
运用主成分分析评价成都市地表水环境质量
2.
The application of principal component analysis (PCA) on computing of the parameters in naphtha pyrolysis;
主成分分析法在估算石脑油裂解参数中的应用
3.
QSAR studies on nitrobenzene derivatives with PCA-ANN;
主成分分析-神经网络方法用于硝基苯及其同系物的QSAR研究
6) principle component analysis
主成分分析
1.
Study on applying principle component analysis to data processing on chromatographic fingerprints for Pinellia Cum Bile;
主成分分析在胆南星质量控制研究的应用
2.
Assessment model of technology innovation in manufacturing industries based on principle component analysis and its application;
基于主成分分析法的制造业产业技术创新评价模型及应用
3.
Evaluation method on sci-tech journals based principle component analysis;
基于主成分分析法的科技期刊评价方法
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