主成分分析（Principal Component Analysis，PCA）， 是一种统计方法。通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量，转换后的这组变量叫主成分。

针对多目标优化的可重构性指标分配问题,给出了一重和二重可重构性指标的计算方法。结合多目标优化特点和可重构性指标的定义建立了可重构性指标分配的多目标优化模型。在此基础上提出了一种多评价函数法,用于系统可重构性指标分配,该方法对相互冲突的多个目标建立不同的评价函数,通过在可行解内协调得到最优化结果,最后将其应用于串联系统进行仿真,并与线性加权和法的结果作比较,结果显示基于多评价函数的可重构性指标分配方法更具有效性。

《计算机辅助几何设计与非均匀有理B样条》是施法中编的，很经典，适合你全面了解曲线曲面 已经转换为pdf格式

利用matlab实现高斯伪谱法的火箭飞行轨迹模拟

居民的购房意愿在整个宏观层面上影响着整个社会结构的变迁和转型。文中基于500份居民购房意愿调查问卷,利用主成分分析法提取了主要特征,对主成分序列建立了支持向量机分类模型。五折交叉验证结果表明:分类效果良好,对政府和房地产开发商进行客户细分、制定营销策略有一定的借鉴意义。

分析新开专业毕业生产生就业焦虑的因素,为缓解高校毕业生就业焦虑和决策提供参考依据。采用毕业生就业焦虑问卷,对江西某高校新开专业GIS专业289名毕业生进行连续跟踪调查,并运用主成分分析方法,对新开专业毕业生就业焦虑原因进行分析。分析结果表明:新开专业毕业生就业焦虑来源于自信心不足、就业支持和帮助、就业压力、专业结构设置、社会人才需求、职业心理预期、对就业前景的期望等7个方面;而对于新开专业而言,专业结构设置和社会人才需求是新开专业毕业生就业焦虑产生值得关注的原因;主成分分析法用于就业焦虑因素的分析是可行的

一个关于图像的光流法计算的matlab程序

自适应模糊阈值法matlab代码 该知识库包含了不确定性分析研究中使用的所有研究论文 序号 年 作者 文件名 1个 1961年 地址 地址-1961年-印度科学研究所 2个 1978年 加里克·坎纳内·纳什 Garrick，Cunnane，Nash-1978年-降雨径流模型的效率标准 3 1991年 莫里斯 莫里斯（Morris）-1991年-初步计算实验的析因计划 4 1992年 贝文·宾利 Beven，Binley-1992-分布式模型的未来模型校准和不确定性预测 5 1993年 贝文，预言 贝文，预言-1993-分布式水文模型的现实和不确定性 6 1993年 段，古普塔，Sorooshian Duan，Gupta，Sorooshian-1993年-改组复杂的进化方法以实现有效和高效的全球最小化 7 1993年 胶水 胶水-1993-广义似然不确定度估计方法 8 1997年 D，邓恩 D，Dunne-1997-低流量 9 1997年 甘，德拉米尼，比夫图 Gan，Dlamini，Biftu-1997-模型复杂性和结构，数据质量和目标函数对水文建模的影响 10 1998年 古普塔，索

详细介绍define用法 Definition[定义]： Usage[用法]： Instances[实例]：

光束平差的目的是优化 光束平差的意义：在机器视觉中，三维重建是个研究的热点。通常情况下，采用某些算法计算出的三维点和真实的三维点存在差异，光束平差的目的就是减小这个误差，所以，其意义也是显而易见的。