1)PCA主成份分析(PCA)
2)principal component analysis(PCA)主成分分析(PCA)
1.Firstly,unsupervised feature extraction based on Principal Component Analysis(PCA) and supervised feature extraction based on Partial Least Squares(PLS) are introduced.首先介绍基于主成分分析(PCA)的无监督与基于偏最小二乘(PLS)的有监督的特征提取方法;其次通过分析第一成分结构,提出基于PCA与PLS的新的全局特征选择方法,并进一步提出基于PLS的递归特征排除法(PLS-RFE);最后针对MITAML/ALL的分类问题,实现基于PCA与PLS的特征选择和特征提取,以及PLS-RFE特征选择与比较,达到广义小样本信息特征压缩的目的。
2.Results Analyzing the data with principal component analysis(PCA) by model recognition,the different agents can be distinguished in the scattered plots.结果所得的数据通过模式识别法中的主成分分析(PCA),在得分散点图中实现了对不同种类的制剂的区分。
3.japonicus,and using pattern recognitions,such as principal component analysis(PCA),partial least squares-discriiminate analysis(PLS-DA),and hierarchical cluster analysis(HCA) to analyze the data from the 1H-NMR spectra.方法以1H-NMR技术测定样品的全成分信息,并转化成数据矩阵,采用模式识别法中的主成分分析(PCA)、偏最小二乘法-判别分析(PLS-DA)以及聚类分析(HCA)进行识别分析。
英文短句/例句
1.PCA Method for Business Logistics Performance Evaluation;企业物流绩效评价的主成分分析(PCA)方法
2.Applications of Principal Component Analysis to Geosciences:Review and Prospect主成分分析(PCA)在地学研究中的应用进展
3.The Application of PCA and CA Methods in the Study of SWB;主成分分析(PCA)和聚类分析(CA)方法在SWB数据分析中的应用
4.Gross Error Detection and Proofreading Concentration Based on PCA In the Measurement of Pulverized-Coal Concentration;基于主元分析(PCA)的显著误差检测与校正及应用
5.Performance Analysis of PCA,2DPCA and Block-based PCA In Face Recognition人脸识别中PCA,2DPCA以及分块PCA的性能分析与比较
6.A Research on Comprehensive Evaluation of State-owned Enterprise s Independent Innovation Ability in Shandong Province;基于PCA的国有企业自主创新能力综合评价分析——以山东省为例
7.Research on SVM in Financing Analysis on PCA;PCA和支持向量机在财务分析中的应用
8.ANALYTICAL MODEL OF DEA/PCA FOR EVALUATING ECONOMIC PERFORMANCE OF INDUSTRIES;产业经济评价的DEA/PCA分析模型
9.Failure Analysis of CNC System Based on PCA基于PCA的数控系统故障原因分析
10.Electromagnetic Template Analysis with PCA and SVM基于PCA和SVM的电磁模板分析攻击
11.Moreover,PCA is a special case of modular PCA.此外,PCA是分块PCA的特殊情况。
12.Comparison of Diagnostic Efficiency of PSA and PSMA in Patients with Prostatic Carcinoma-a Meta-analysis;比较外周血PSA与PSMA对PCa的诊断价值—Meta分析
13.Analysis of dominant factors of winter wheat water requirements based on GIS and PCA基于GIS和PCA的冬小麦需水量影响因子分析
14.Application of PCA based on kernel function in analysis of QAR data基于核函数的PCA在QAR数据分析中的应用
15.A novel Hough transform line detection based on local PCA directions statistical analysis基于局部PCA方向统计分析的Hough直线检测算法
16.How to Effectively Use the Principal Component of Principal Component Analysis;如何有效利用主成分分析中的主成分
17.Research on the Relativity Parameter with Concentration of Aerosol with PCA MethodPCA法在分析大气气溶胶常量参数之间相关性分析中的应用
18.Performance Comparison of Target Classification in SAR Images Based on PCA and 2D-PCA Features基于PCA和2D-PCA特征的SAR图像目标分类性能比较
相关短句/例句
principal component analysis(PCA)主成分分析(PCA)
1.Firstly,unsupervised feature extraction based on Principal Component Analysis(PCA) and supervised feature extraction based on Partial Least Squares(PLS) are introduced.首先介绍基于主成分分析(PCA)的无监督与基于偏最小二乘(PLS)的有监督的特征提取方法;其次通过分析第一成分结构,提出基于PCA与PLS的新的全局特征选择方法,并进一步提出基于PLS的递归特征排除法(PLS-RFE);最后针对MITAML/ALL的分类问题,实现基于PCA与PLS的特征选择和特征提取,以及PLS-RFE特征选择与比较,达到广义小样本信息特征压缩的目的。
2.Results Analyzing the data with principal component analysis(PCA) by model recognition,the different agents can be distinguished in the scattered plots.结果所得的数据通过模式识别法中的主成分分析(PCA),在得分散点图中实现了对不同种类的制剂的区分。
3.japonicus,and using pattern recognitions,such as principal component analysis(PCA),partial least squares-discriiminate analysis(PLS-DA),and hierarchical cluster analysis(HCA) to analyze the data from the 1H-NMR spectra.方法以1H-NMR技术测定样品的全成分信息,并转化成数据矩阵,采用模式识别法中的主成分分析(PCA)、偏最小二乘法-判别分析(PLS-DA)以及聚类分析(HCA)进行识别分析。
3)principal component analysis (PCA)主成分分析(PCA)
4)principle component analysis (PCA)主成分分析(PCA)
5)PCA主成分分析(PCA)
6)principal component analysis主成分分析(PCA)
延伸阅读
主成分分析主成分分析principalcomponentanalysis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。
