主成分分析的matlab程序代码

进行高光谱图像处理时的降维程序，修改文件中的读入参数名称即可使用。

主成分分析法matlab源码GUI对高维数据进行降维处理，达到预期效果

PCA是根据特征相关程度即协方差值加上线性变换的原理，得到的变换特征向量对应的特征值代表特征成分贡献值大小。 协方差只对特征之间的线性关系敏感，协方差越大，就越可能被去除，所以PCA只能去掉线性相关特

详细介绍了主成分分析在数学建模中的应用，包括matlab代码等

基于核的主成分分析，适用于非线性特征提取。

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

这个文档主要是介绍如何使用主成分分析法，主成分分析法的原理及实例应用

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