搜索资源列表
主成分分析matlab源码
- 主成分分析法的matlab程序附有详细解释
主成分分析matlab程序
- 通过主成分分析确定几个变量与某变量的相关程度
PCA 主成分分析法
- PCA方法，即主成分分析法，用于分析变量间的关系以及相关联程度
主成分分析
- 关于主成分分析的matlab程序，可进行调用分析。
主成分分析PCA源代码（C++，matlab）
- MATLAB内置pca（主成分分析）源代码(source code of pca basis MATLAB)
主成分分析法
- 通过matlab的方法来实现主成分分析法(Realization of principal component analysis by MATLAB)
主成分分析
- 主成分分析，计算权重，特征值，以及相应的主成分(principal component analysis)
核主成分分析
- 在具有降维作用的核主成分分析方法基础上增加一个核函数成为新的核主成分分析方法。(On the basis of kernel principal component analysis with dimension reduction, a kernel function is added to be a new kernel principal component analysis method.)
主成分分析示例
- 以一个案例说明如何实现基本的主成分分析功能(Realize the basic principal component analysis function)
主成分分析
- 应用MATLAB软件进行主成分分析计算，此为相关代码，具有很好的学习价值。(Using MATLAB software for principal component analysis and calculation, this is the relevant code, has a good learning value.)
主成分分析
- 通过具体案例用matlab编写了主成分分析程序。(The principal component analysis program is written by MATLAB in specific cases.)
主成分分析
- 运用于主成分分析，可以运行，用于数学多元统计分析(principal component analysis)
主成分分析
- matlab主成分分析，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。主成分分析是设法将原来众多具有一定相关性（比如P个指标），重新组合成一组新的互相无关的综合指标来代替原来的指标。(principal component analysis)
主成分分析
- 主成分分析，进行主成分分析，使用MATLAB进行主成分分析。(main compeneont analysis)
第12章 主成分分析
- matlab编码程序 主成分分析 有实例 直接应用即可(Matlab coding program principal component analysis is directly applied to an example.)
主成分分析结果
- 用于主成分分析的matlab程序，本文作为城市社会经济数据案例进行说明(The matlab program for principal component analysis is illustrated in this paper as a case of urban socio-economic data.)
用主成分分析法估计出点云中每点的法向量函数
- 用主成分分析法估计出点云中每点的法向量函数，实现平台为matlab(Principal component analysis is used to estimate the normal vector function of every point in point cloud, and the platform is matlab.)
主成分分析及matlab实现
- 主成分分析和主成分回归的MATLAB实现，含程序，详细(MATLAB implementation of principal component analysis, including program)
主成分分析
- matlab主成分分析代码，可直接修改参数即可运用于建模(Matlab principal component analysis code)
主成分分析
- 使用主成分分析方法降维，输出主成分特征根，单位向量，累计贡献率(Dimensionality reduction by using principal component analysis)