matlab独立成份分析工具箱。 独立分量分析 ( Independent Component Analy2sis , ICA) 是由Herault和Jutte在1983年提出,该方法不依赖与源信号类型相关的详细知识或信号传输系统特性的精确辨识,以非高斯源信号为研究对象，在统计独立的假设下，对多路观测到的混合信号进行盲信号分离，是一种有效的冗余取消技术,被广泛应用于盲源分离( blind source separation BSS)、特征提取和盲解卷、生理学数据分析语 音信号处理、图像处理及人脸识别等领域。该方法根据代价函数的不同,可以得 到不同的ICA算法,如信息最大化(infomax)算法、FastICA算法、最大熵( M E)和最小互信息( MM I)算法、极大似然(ML)算法等。

主成份分析（PCA）中关于协方差矩阵实现的两种方法MATLAB代码详解

PCA·1——主成分分析 . 主成分分析 ( Principal Component Analysis ， PCA )是一种掌握事物主要矛盾的统计分析方法，它可以从多元事物中解析出主要影响因素，揭示事物的本质，简化复杂的问题

讲解了主成分分析和因子分析的概念和区别，并带有SPSS分析的示例，简单易懂！

主成分回归分析代码，主成分回归相比于传统的最小二乘回归，去除了自变量之间的耦合干扰，提高了回归的逼近能力

独立成分分析ICA的matlab代码实现，对输入输出以及主要步骤有详细的注解。利用了快速ICA的方法，算法迅速。

网上搜集到的几份PCA代码，全部为MATLAB语言，PCA.m为一个独立调用的韩式，完成PCA功能。pca2D.m完成通过PCA完成2D数据的分割。其余的比较复杂，有需要的可以研究一下。

需要将矩阵数据输入data.txt即可。 使用MATLAB实现主成分分析的源代码

二维数据主成分分析（PCA）和白化操作的MATLAB简单示例，http://ufldl.stanford.edu/wiki/index.php/UFLDL_Tutorial有其教程。

关于主成分分析，内含数据源，代码。且matlab代码解释非常详细，结果易懂