1) the nonlinear PCA
非线性主成分分析法
2) nonlinear PCA
非线性主成分分析
1.
The application of nonlinear PCA in synthetic evaluation of power quality;
非线性主成分分析在电能质量综合评估中的应用
3) nonlinear principal component analysis
非线性主成分分析
1.
In order to overcome this difficulty,a novel damage detection methodology for bridges is proposed based on the nonlinear principal component analysis.
文中利用非线性主成分分析技术,提出一种新的桥梁结构损伤识别方法。
2.
The first method is based on the Gifi’s nonlinear principal component analysis, the method adopted by alternating least squares(ALS) so that the classification of data in an orderly manner to achieve the optimal value and then to principal component analysis.
第一种方法是基于Gifi方法的非线性主成分分析,该方法通过交替最小二乘法使有序数据的分类赋值达到最优之后再进行主成分分析。
4) non-linear principal component analysis
非线性主成分分析
1.
The article applied non-linear principal component analysis to find some principal factors of correct inventory to lower the number of variables.
磷酸一铵是目前国内产量最大的一种磷肥,具有一定的吸湿性,容易结块,因此在生产中控制磷酸一铵产品的水分含量具有重要意义;从影响磷铵产品的水分含量的诸多因素中,利用非线性主成分分析法处理原始样本数据减少变量数目,然后用所得主成分作为输入变量,建立了神经网络磷铵水分预测模型。
2.
According to the characteristic of H_2/N_2 ratio such as big-lag, non-linear and variety-by-time, non-linear principal component analysis and the neural network are combined, the prediction model of H_2/N_2.
针对氢氮比控制大滞后、非线性和时变性的特点，运用非线性主成分分析方法与神经网络相结合，在大量实测生产数据的基础上，建立了氢氮比预测模型。
5) nonlinear principal component analysis(NLPCA)
非线性主成分分析(NLPCA)
6) NLPCA
非线性主成分分析
1.
Because temperature and wind velocity measurement data may be closely correlated, the Nonlinear Principal Component Analysis (NLPCA) provides a powerful mathematical tool to transform the correlated variables (temperature and wind velocity) into a set of independent ones, the so called environmental principal components ( PC), namely the temperature PC and the wind velocity PC.
由于风速和温度的相关性较强,提出通过非线性主成分分析将相关的温度、风速转化为两个不相关的温度和风速主成分,从而将问题转化为研究温度和风速主成分对模态参数的影响;然后,采用非线性主成分分析对模态频率和阻尼比进行预处理,预处理后的数据隐含了模态频率和阻尼比与环境主成分之间的关系;其次,建立模态频率和阻尼比与环境主成分之间的神经网络模型;最后,对某一斜拉桥健康监测系统得到的模态频率、阻尼比和测试温度与风速进行分析。
2.
Seasonal surface air temperature(SAT) anomalies over China from 1951 to 2003 is investigated by applying a neural-network-based nonlinear principal component analysis(NLPCA) method.
运用一种基于神经网络的非线性主成分分析法(nonlinear principal component analysis,NLP-CA)对中国1951—2003年53 a四季气温距平场(surface air temperature anomaly,SATA)进行分析,NLPCA第一模态结果显示中国四季气温异常具有一定的非线性特征,并且具有显著的季节性差异,即春、夏两季的非线性较强,秋、冬两季较弱。
补充资料：非线性泛函分析
非线性泛函分析
non-linear functional analysis
非线性泛函分析I朋Jil蓝，r为.甫OI趁1 al司砰如;讹皿此亚-。。益中扮二”“o。~“益叨“31 泛函分析(几川ctional anal郊is)的一个分支，研究无穷维向量空间之间的非线性映射(算子，见非线性算子(non刁泊口r oPemtor))和某些非线性空间类及其映射，非线性泛函分析的基本部分如下: l)Banach空间、拓扑向量空间和某些更一般空间之间的非线性映射的微分学，包括关于可微映射局部反演的定理和隐函数定理. 2)寻求从一个特定的无穷维空间到另一个空间的非线性算子的作用条件，如连续性、紧性的条件. 3)对各种不同类非线性算子(收缩的(con匕通c-硫)、紧的、压缩的(compressing)、单调的以及其他)的不动点原理;这些原理在各种非线性方程解的存在性证明中的应用. 4)研究赋予序向量空间结构的空间中的非线性算子，如单调的、凹的、凸的、有单调弱函数的以及其他的算子. 5)无穷维向量空间中非线性算子的谱性质的研究(分歧点、本征向量的连续分支等等). 6)非线性算子方程的逼近解. 7)局部线性的空间和E以nach流形的研究—整体分析(咖回analysis). 8)非线性泛函极值的研究和研究非线性算子的变分方法.
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条