主成分分析法使用

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

kpca核主成分分析，别人写的，据说很好用，跟大家分享一下

核主成分分析

ＭＡＴＬＡＢ程序在对污染物主成分分析及预测中的应用

René Vidal，Yi Ma，S. Shankar Sastry所著的主成分分析

PCA（主成分分析代码），可以有效的提取矩阵的特征值和特征向量，经本人验证有效，可以下载使用。

主成分分析 主成分分析就是设法将原来指标重新组合成一组新的互相无关的几个综合指标来代替原来指标。同时根据实际需要从中可取几个较少的综合指标尽可能多地反映原来的指标的信息。

这个是主成分分析的matlab实现的源码，用于对数据进行降维处理的。