图像融合问题中比较常用的方法，主成分分析介绍及实例 主成分分析就是用较少的新变量代替原来较多的变量，以达到简化问题的目的

巷道特征与锚杆支护之间可以看作是一种非线性映射关系,用一般的数学方法难以表达巷道支护方案与其影响因素之间的非线性映射关系.神经网络已广泛应用于锚杆支护方案优选,并取得较好的效果.基于单一神经网络预测锚杆支护方案存在一些不足,构建了主成分分析与BP网络相结合的巷道锚杆支护方案优选模型.利用主成分分析对神经网络的输入数据进行预处理,使输入数据减少且不相关,加快网络的收敛速度,并且预测精度均在90%以上.研究结果表明:将主成分分析与BP神经网络结合优选巷道的锚杆支护方案,具有很高的预测精度;与单一BP神经网络相

主成分分析方法;特征权重计算;基于python3.8.3实现

有关pca的讲解简单易懂，适合初学者.华理的讲义。

压缩包内含pca.m源代码以及中国各地区农村居民家庭平均每人现金消费支出的表格，各行代码功能备注详细利于学习，MATLAB直接运行即可。

机器学习编程作业降维PCA（主成分分析）.7z

用统计学常用软件 SPSS 进行主成分分析的详细步骤

近红外主成分分析法—matlab代码

内容：R基础实验【基本计算、回归、主成分分析、因子分析、程序流等】 注：均是我本人的实验报告，对应【R与统计】专栏的系列博客，代码仅供参考，欢迎斧正交流。

- 从原始数据集中减去数据的平均值- 寻找数据集的协方差矩阵- 寻找与最大特征值相关联的特征向量- 在特征向量上投影原始数据集- 仅使用一定数量的特征向量- 对原始基向量进行反投影 实施http://www.cs.otago.ac.nz/cosc453/student_tutorials/principal_components.pdf “主成分分析教程”