独立成分分析

主成分分析的概念 及基本的分析方法 应用场合

PCA(principal Component Analysis)，即主成分分析方法，是一种使用最广泛的数据压缩算法。在PCA中，数据从原来的坐标系转换到新的坐标系，由数据本身决定。转换坐标系时，以方

主成分分析（PCA）算法在MATLAB中的实现，很好很不错的。

对一个含有27个特征的乳腺癌数据进行降维，得到影响率较大的几个特征书名称，并以元胞数组的形式进行输出。

这是关于数据降维的主成分分析方法，可以指定降维的程度

本书为第二版，系统地介绍了主成分分析的基本原理、改进方法以及应用举例，是主成分分析难得的参考书。PCA，principalcomponentanalysis。

将主成分算法集成到一个类中，供大家借鉴，也可以直接调用。

对K邻域搜索得到的局部点云数据，进行PCA主成分分析，输入局部邻域点云三维数据，输出特征值及特征向量

主文件调用多文件分别进行数据归一化，计算主成分数和荷载矩阵，再计算各成分分数

总结的主成分分析的函数程序和基于GM（1，1）的预测分析程序。