讲的非常好的一个主成分分析课件 许多概念都讲解到位 非常值得收藏

清华同方人体成分分析仪接口动态库及实例

使用PCA，对单图像提取主成分分析，达到图像降维的目的，可以学习如何使用OpenCV实现PCA技术。

此示例说明主成分分析如何与奇异值分解相关。

采用经纬度、海拔高度、年降水量、年活动积温、温暖指数（W1）、寒冷指数（C1）、干燥度指数（K）和湿度指数（H1）等对福建省植被地带性分布规律进行定量解释，并首次引入极端最低气温等进行综合研究。通过主成分分析得出限制福建省地带性植被生长的主导环境因子是水热状况因子、地理位置因子、降水因子和极端温度因子等4个指标；以主成分得分作为划分的指标，经过系统聚类，结合《福建省植被图》，将福建省植被带划分为9个区，并对各分区的气候、植被特点进行描述。

表3.5.1　某57个流域盆地地理要素数据 序号  x1  x2   x3  x4  x5  x6  x7   x8   x9 1 760 5490 1.704 2.481 30 2.785 31.8 20 0.143 2 1891 4450 2.765 4.394 30 5.833 37.0 26 0.312 3 325 5525 1.500 2.660 36 3.042 21.1 25 0.162 4 515 4760 2.750 5.320 117 4.844 30.1 98 0.221 5 513 6690 1.142 2.080 32 5.100 25.7 26 0.101 6 1570 8640 6.130 10.210 76 4.290 24.9 61 1.360 7 2210 8415 8.760 15.000 66 4.500 26.6 56 2.990 8 515 7040 1.300 2.160 13 3.500 22.2 10 0.089 9 1192 6258 8.447 30.606 286 6.500 29.1 225 2.057 10 1540 6280 5.174 11.383 82 4.070 23.3 63 0.7633 11 950 8520 2.880 6.870 62 3.650 27.2 47 0.476 12 850 9460 7.480 7.790 30 4.900 11.6 24 1.750 13 1237 5937 2.046 2.993 28 2.720 29.6 19 0.252

用c++实现的主成分分析,适合遥感技术应用.

采用主成分分析法对图像特征进行降维处理，有实验数据，得能出实验结果

快速独立分量分析，适合新手练手

标题 作者 日期 输出 spca包 Giovanni Merola RMIT International University Vietnam 电子邮件：lsspca@gmail.com 存储库： : 2015 年 2 月 15 日 rmarkdown::html_document 目录 主题 强调 真的 联合的 黑线鳕 斯卡 介绍 spca是一个用于运行稀疏主成分分析的 R 包。 它实现了计算稀疏 PC 的最小二乘估计的 LS SPCA 方法。 与其他现有的 SPCA 方法不同，LS SPCA 解决方案最大限度地提高了解释数据的方差。 详细信息可以在和即将发表在澳大利亚和新西兰统计杂志上的论文中找到。 我在发表 LS SPCA 论文时遇到了困难，可能是因为 LS SPCA 改进了现有方法。 Technometrics 的主编邱博士拒绝了该论文，该论文证实