主成分分析(Principal Component Analysis,PCA), 是一种统计方法。通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量,转换后的这组变量叫主成分。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。主成分分析首先是由K.皮尔森(Karl Pearson)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。
【主的意思】:主 zhǔ(ㄓㄨˇ) (一)、权力或财物的所有者,家庭的首脑:主人。物主。失主(失掉财物的人)。当家 详情>
【分的意思】:分 fēn(ㄈㄣ) (一)、区划开:分开。划分。分野(划分的范围)。分界。分明。条分缕析。分解。(二 详情>
【量的意思】:量 liáng(ㄌ一ㄤˊ) (一)、用器物计算东西的多少或长短:用尺量布。用斗量米。车载斗量。量体温 详情>
【析的意思】:析 xī(ㄒ一) (一)、分开:条分缕析。分崩离析。(二)、解释:分析。剖析。析疑。赏析。析出(a. 详情>
• 基于主分量分析木材纹理的特征提取
• 油松容器苗生长和生理指标的主分量分析
• 利用组合核函数提高核主分量分析的性能
• 因此,主分量分析方法利用气候因素来研究植物群落的分布是可行的。
• 最终采用了基于主分量分析的BP神经网络模型对油气勘探成本进行了预测,并证明了其具有较高的预测精度。