混合主成分分析（dPCA）
dPCA是一种线性降维技术，可自动发现并突出显示复杂的人口活动的基本特征。 人口活动被分解为几个混合的部分，这些部分捕获了数据中的大多数方差，并突出了人口对各种任务参数（如刺激，决策，奖励等）的动态调整。
D Kobak + ，W Brendel + ，C Constantinidis，CE Feierstein，A Kepecs，ZF Mainen，XL Qi，R Romo，N Uchida，CK Machens 神经人口数据的混合主成分分析eLife 2016， //elifesciences.org/content/5/e10989 （arXiv链接：
2022-09-06 18:48:14
282KB
1
改进核主成分分析，有数据，有算例，流形学习结合核主成分分析，自己编写，仅供参考
2022-08-12 19:16:57
3.3MB
对统计数据进行主成分分析的软件有很多很多，这里不一一列举，在这里介绍一种用MATLAB软件来实现主成分分析这一方法，提供相应的代码。
2022-08-10 14:32:50
9KB
1
主成分分析具有几个性质和特点：
(1)主成分分析的数据变换前后的方差总和不变。只是把原来的方差不等量地再分配到新的主成分波段影像令；
(2)第一主成分包含了多波段影像信息的绝大部分，其余主成分信息含量依次减少；
(3)各主成分的相关系数为零，即各主成分所含的信息内容不同；
(4)第一主成分相当于原来各波段的加权和，反映了地物总的反射或辐射强度；其余各主成分相当于不同波段组合的加权差值影像；
(5)第一主成分降低了噪声，有利于细部特征的增强和分析；
(6)对于有些特殊异常的专题信息，往往通过主成分分析后在第得到增强。
2022-07-13 06:03:24
1.76MB
1