附件中为matlab软件中的主成分分析法PCA的主函数m文件。

用matlab编写的主成分分析,包括协方差矩阵,相关系数矩阵,矩阵标准化,特征根排序,贡献率,累加贡献率,主成分数,主成分得分,主成分得分的排序的完整运算.

独立成分分析源码——FastICA——Matlab源代码

matlab，主成分分析PCA，对于图像处理，降维，建模等都可以应用一下

主成分分析PCA详解及MATLAB实现的原始数据文件

计算主成分贡献率及累计贡献率 贡献率 累计贡献率 一般取累计贡献率达85%~95%的特征值 所对应的第1、第2、…、第m（m≤p）个主成分。

ICA 使用sklearn的Fast ICA实现对玻璃数据集进行独立成分分析。 ICA将产生独立的组件，例如PCA，但是这些组件不需要是正交的。

用于特征降维，图像识别，图像融合的特征提取经典算法

通俗易懂的PCA入门，有详细的例子

顶点分量分析（VCA） 顶点分量分析方法在Python中的翻译，用于从给定的高光谱图像中提取一组端成员（基本光谱）。 有关该方法的更多详细信息： Jose MP Nascimento和Jose MB Dias 提交给IEEE Trans的“顶点分量分析：一种用于分解高光谱数据的快速算法”。 Geosci。 遥感，卷。 ..， 不。 .. pp ..-。，2004年 用法 Ae，指数，Yp = vca（Y，R，详细= True，snr_input = 0） 输入变量 Y-尺寸为L（通道）x N（像素）的矩阵，每个像素是R个端成员签名的线性混合Y = M xs，其中s =伽玛x alfa gamma是照明扰动因子，而alfa是每个端成员的丰度分数。 注意：Y必须是一个numpy数组 R-场景中端成员的正整数 输出变量 AE-估计的混合矩阵（端成员签名） 指数-被选为最纯净的像素 Yp