主成分分析法原理及matlab代码Kmeans聚类 这是 [Coursera Machine Learning] () 课程的第 7 周作业。 概括 在该程序的第一部分中，实现了 K-means 聚类算法并将其应用于压缩图像。 在第二部分中，进行主成分分析以获得人脸图像的低维表示。 K均值聚类 K-means 聚类是一种无监督学习算法，可自动将相似的数据示例聚类在一起。 随机初始化后，重复执行两个步骤：(i) 将每个训练示例 x 分配给其最近的质心，以及 (ii) 使用分配给它的点重新计算每个质心的平均值。 为了最小化失真，实现了多个随机初始化。 彩色图像的常规 24 位表示通过将颜色数量减少到 16 种颜色来压缩，从而最好地将 3D RGB 空间中的像素聚集在一起。 已完成的方法总结如下： findClosestCentroids.m - 查找最近的质心（在 K-means 中使用） computeCentroids.m - 计算质心均值（在 K-means 中使用） kMeansInitCentroids.m - K-means 质心的初始化 下

层次分析法matlab程序，很全，有判断矩阵构成、一致性检验，直接输入矩阵A，就可得到权重系数，很实用！

层次分析法(Analytical Hierarchy Process, AHP)是美国匹兹堡大学教授A.L.Saaty20世纪70年代提出的一种定性与定量分析相结合的系统分析方法，可以综合定性和定量分析、模拟人的决策思维过程，以解决多因素复杂系统，特别是难以定量描述的社会系统。

层次分析法 软件 yaahp V0.5.3 ，实测可用。免费版

编译原理--预测分析法 由java编写 从求first集 follow集合开始 构造预测分析表 输出分析过程 完整过程！！！

针对AHP算法实际应用存在的不足 利用无条件模糊优越集理论和模糊代数理论对AHP做了进一步改进 减少了繁多的权数确定与一致性检验过程 使其更加便于操作和实际应用.

简要介绍层次分析法（AHP）的基本原理和方法，并提出用Excel求解层次分析法（AHP）问题

1、项目开发工具为MyEclipse2014 2、使用了Struts2框架作为控制层 3、HTML5图形用户界面 4、JAVA语言写后端 该项目完成的功能有：自动消去规则左递归；自动计算出First、Follow集；自动构造预测分析表；可输入句子进行判断。 代码我都写了注释，由于项目后期完成的比较急促，所以代码冗余度比较大，还没有时间进行精简。 如果不需要网页的图形用户界面，可将项目中的算法部分单独取出，也可直接运行得到结果。算法部分位于项目中的MyClass包中。

针对歌词文本中特征词位置对音乐情感分类的影响问题，文中使用层次分析法来进行特征词在不同位置的权重分析，并对歌词所提取的特征向量进行修正。同时，与音频信号所提取到的特征向量进行多模态数据融合，使用深度置信网络已有监督训练的方式，分析混合融合后的特征向量与音乐情感之间的联系，构建出基于特征词位置因素的音乐情感智能分类算法。测试与实验结果表明，基于特征词位置因素的音乐情感智能分类算法在5种音乐情感样本的测试下，最低准确率为80.1%，平均准确率为83.5%，明显优于未采用位置因素修正的算法，具有良好的有效性与可行性。

对重大工程项目进行社会稳定风险评估既是项目建设前的一项重要工作,也是避免项目建设过程中突发事件发生的有效措施。以郑州某地铁工程建设项目为例,构建了16个影响社会稳定风险的因素指标,采用层次分析法对各项指标的权重进行计算并排序,揭示了各项因素对社会稳定影响程度的相对重要性,并对影响较大的前5个风险因素进行了针对性分析,根据总体情况提出规避风险的措施和建议,最大限度避免或减少社会稳定风险的发生概率,以达到社会稳定风险评估的最终目的。本研究可以为类似的重大工程项目社会稳定风险评估提供理论支撑与技术支持、对重大工程项目建设提供有益参考,具有重大的现实意义。