基于主成分分析(PCA)相位提取算法,可以用于大于等于3幅干涉图的相位提取。
主成分分析(PCA)python实现(含数据集),结构清晰,适合初学者
信息分析与预测的实验,Python写的代码,萌新代码,勿喷,仅仅只是方便没时间写实验的朋友,直接用python打开就能运行
Principal Component Analysis PCA (with detailed derivation process and case study matlab version)
java编写的主成分分析降维,用的是机器学习鸢尾花数据,该数据从mysql数据库中读取得到,用Jama.jar实现矩阵运算,hashmap的key存特征值,value存对应的特征向量。
主成分分析(PCA)是一种用于降维和数据压缩的统计方法,它通过线性变换将原始数据转换为一组新的不相关变量,这些变量称为主成分。这篇文章详细解释了主成分分析的原理、应用领域以及实际案例。通过对PCA的详
比较通俗的一篇PCA主成分分析的介绍性文章,全英文,但是很容易读懂~~文章最后还附带Matlab的程序代码
主成分分析(pca)课件
简单的主成分计算软件,直接输入数据样本,即可以做出主成分需要的矩阵
主成分分析