labVIEWPCA主成分回归源代码

主成分分析原理介绍，浅显易懂地介绍了PCA的原理

Generalized principal component analysis GPCA

好用的主成分分析插件，操作方便，结果明显

We describe a new method for performing a nonlinear form of Principal Component Anal

文件包括对主成分分析法的原理介绍，程序代码，以及实例分析，很详尽。

核主成分析算法，可用于多目标优化和决策问题，比较主成分分析有更多的优势

对于图像处理很有帮助，主成分分析对降维很实用，还有可以对图像进行特征提取

ICA又称盲源分离(Blindsourceseparation,BSS)，它假设观察到的随机信号x服从模型x=As，其中s为未知源信号，其分量相互独立，A为未知混合矩阵。ICA的目的是通过且仅通过观察

java源代码，主成分分析算法，将高维数据进行降维，从而提高聚类或分类效率。

PCA总结1.1PCA及理论基础1.1.1最小平方误差1.1.2最小数据冗余1.1.3特点1.1.4应用1.1.6数据重构1.2核PCA1.32DPCA