kpca提出者自己编写的matlab程序

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征。

车辆油耗是道路建设后评价的重要指标之一,同时也是道路路面设计、加油站选址、路径选择等问题的决策依据.传统的车辆油耗估计主要采用回归建模的方式,本文基于决策树数据挖掘方法给出了一种车辆油耗的估计模型.首先,利用主成分分析法获取影响车辆油耗的关键因素;其次,基于改进的C4.5决策树构建车辆油耗估计模型;最后,结合1组高速公路场景下车辆油耗的典型样本数据,对本文模型进行验证,通过对车辆油耗预测值与真实值的误差分析,表明本文模型的有效性和实用性.

很有用的东东 拿来分享 这盘文章对主成份分析法的原理 程序代码都有介绍

主成分分析法的步骤和原理

基于主成分分析法的天津市生态宜居城市建设指标与评价研究，王小双，张雪花，近年来，城市问题层出不穷，建设生态宜居城市，给人类营造健康、舒适的生存环境，符合科学发展观，对人类发展具有重大意义。生态

基于主成分分析法的财务风险评价模型，徐凤菊，王凤，本文在分析了现有财务风险研究理论的基础上引入了主成分分析法的基本原理，建立主成分分析模型对上市公司的财务风险进行识别与评

在系统收集及分析矿区水文地质资料的基础上,确定影响煤层底板突水的主要因素,并引入主成分分析法对影响底板突水的因素进行定量评价。以新安煤矿为例,利用主成分分析法,确定各突水影响因素的权重,建立煤层底板突水模型,对影响煤层开采的底板奥灰突水危险性进行分区预测,为奥灰水的防治提供了重要依据。

数学建模-主成分分析法的原理应用及计算步骤.zip

深度学习是当前人工智能领域广泛使用的一种机器学习方法.深度学习对数据的高度依赖性使得数据需要处理的维度剧增，极大地影响了计算效率和数据分类性能.本文以数据降维为研究目标，对深度学习中的各种数据降维方法进行分析.在此基础上，以Caltech 101图像数据集为实验对象，采用VGG-16深度卷积神经网络进行图像的特征提取，以PCA主成分分析方法为例来实现高维图像特征数据的降维处理.在实验阶段，采用欧氏距离作为相似性度量来检验经过降维处理后的精度指标.实验证明：当提取VGG-16神经网络fc3层的4096维特征后，使用PCA法将数据维度降至64维，依然能够保持较高的特征信息.