这个 m 文件通过 R 相关矩阵（没有数据矩阵）、潜根准则、迭代收敛准则处理迭代主因子方法（主轴因子分解），并使用最大因子旋转。 它适用于公共性和因子载荷的迭代解决方案。 在迭代 i 中，来自前一次迭代的公共性被放置在 R 的对角线上，所得的 R 表示为 Ri。 对 Ri 进行特征分析并估计新的变量公共性。 迭代继续，直到公共估计的最大变化小于收敛标准（默认为 0.001），给出达到的迭代次数； 它还给出了残差矩阵，这是原始相关性与因子模型的相关性结构之间差异的结果。 根据 Rencher (2002)，有四种估计载荷和公共性的方法： (1) 主成分法； (2) 主因子法； (3) 迭代主因子法，和 (4) 最大似然法。 两种最流行的参数估计方法是主成分和最大似然法。 两种方法的解都可以旋转，以简化对因子的解释。 尝试不止一种解决方法总是谨慎的。 可以使用因子分析的一些目的是 (1)

基于非负矩阵分解算法进行盲信号分离.本文针对盲源分离技术，提出了一种非负矩阵分解技术，只要信源之间没有一阶原点统计相关，则可很好的实现对忙源的分离

图像融合；图像增强；图像质量评价

软工课设第二周---4班3组项目进展及成果、任务分解表、讨论记录、周一评审记录.zip

正交非负矩阵分解的研究综述，杨明明，温罗生，本文首先回顾了几种常见的度量正交非负矩阵分解模型损失函数的方法。其次，将已有的正交非负矩阵分解模型归纳总结为七大类，同时

可根据因数表或自生成因素表，并对其进行LDU分解，求解系统短路之后的节点电压和支路电流矩阵各元素大小。

自己根据张贤达老师的矩阵分析与应用写的，里面包括矩阵转置，求逆，广义逆矩阵，Householder变化，线性方程组求解(高斯消元），矩阵的QR分解，基于QR分解的特征值计算，和基于A*A'特征值的奇异值计算等。

亥姆霍兹分解 使用windspharm软件包在速度场中执行亥姆霍兹分解

已经尝试过能适用所有数据，能够运行 经验模态分解（Empirical Mode Decomposition,EMD）法是黄锷（N. E. Huang）在美国国家宇航局与其他人于1998年创造性地提出的一种新型自适应信号时频处理方法，特别适用于非线性非平稳信号的分析处理。

SVD 奇异值分解代码，矩阵分析的利器，可以高精度的分解各种类型的矩阵