混合主成分分析（dPCA） dPCA是一种线性降维技术，可自动发现并突出显示复杂的人口活动的基本特征。 人口活动被分解为几个混合的部分，这些部分捕获了数据中的大多数方差，并突出了人口对各种任务参数（如刺激，决策，奖励等）的动态调整。 D Kobak + ，W Brendel + ，C Constantinidis，CE Feierstein，A Kepecs，ZF Mainen，XL Qi，R Romo，N Uchida，CK Machens 神经人口数据的混合主成分分析eLife 2016， //elifesciences.org/content/5/e10989 （arXiv链接：

改进核主成分分析，有数据，有算例，流形学习结合核主成分分析，自己编写，仅供参考

机器学习主成分分析与奇异值分解

对统计数据进行主成分分析的软件有很多很多，这里不一一列举，在这里介绍一种用MATLAB软件来实现主成分分析这一方法，提供相应的代码。

主成分分析具有几个性质和特点： (1)主成分分析的数据变换前后的方差总和不变。只是把原来的方差不等量地再分配到新的主成分波段影像令； (2)第一主成分包含了多波段影像信息的绝大部分，其余主成分信息含量依次减少； (3)各主成分的相关系数为零，即各主成分所含的信息内容不同； (4)第一主成分相当于原来各波段的加权和，反映了地物总的反射或辐射强度；其余各主成分相当于不同波段组合的加权差值影像； (5)第一主成分降低了噪声，有利于细部特征的增强和分析； (6)对于有些特殊异常的专题信息，往往通过主成分分析后在第得到增强。

11、spss第十一章-主成分分析和因子分析.ppt

11、spss第十一章主成分分析和因子分析.ppt

主成分分析法matlab代码和文档

低秩矩阵 鲁棒主成分分析 RPCA算法研究 matlab

主成分回归代码matlab及示例R中的机器学习 这是我在机器学习期间开发的R脚本的存储库。 一些代码已从其原始Matlab实现中进行了改编并转换为R。 分类 欧几里得（euclidean_classifier） Mahalanobis（mahalanobis_classifier） 感知器（perceptron_classifier） 在线感知器（online_perceptron_classifier） Sum-Squared错误（sse_classifier） 回归 绘制数据和（regression_plot） 绘制回归决策边界（regression_boundary） 通用回归包装函数（regression_optimize） 线性回归 线性回归成本函数和梯度（lr_cost） 线性回归梯度下降（lr_gradientdescent） 逻辑回归 Logistic回归成本函数和梯度（logr_cost） 逻辑回归优化器（logr_optimize） 预测（logr_predict） Softmax回归 Softmax回归成本函数和梯度（softmax_cost） Softmax回归