1) principle components analysis(PCA)
主向量分析
1.
This paper proposes a face recognition algorithm based on the principle components analysis(PCA) reconstruction.
提出一种基于主向量分析(PCA)重建的人脸识别方法。
2) vector analysis
向量分析
1.
This paper decomposes Galilea transformation to three basic Galilean transformations by vector analysis and vector Taylor expansion formula.
利用向量分析和向量形式的Ｔａｙｌｏｒ展开公式，将Ｒ４空间的伽里略变换分解成三个基本伽里略变换。
3) Principal Component Analysis(PCA)
主分量分析
1.
Based on the Principal Component Analysis(PCA),the influence force of the influence factors in the coagulation process is analyzed.
该文在对合成洗涤剂废水进行混凝反应实验基础上,针对影响因素影响力大小的不同问题,使用主分量分析方法,对输入输出权矩阵进行处理和分析,对各影响因素影响力大小顺序进行了研究。
2.
The 25 plots of degraded karst forests were chosen as the research objects and 25 plots were divided into 11 forest types by principal component analysis(PCA).
用25个退化喀斯特森林样地作为研究对象,采用主分量分析方法,把25个样地划分成11个森林类型,并对各类型的分布及特征进行阐述。
3.
This paper presents an algorithm about SAR image change detection based on Principal Component Analysis(PCA).
该文提出一种基于主分量分析(PCA)的SAR图像变化检测算法。
4) principle component analysis
主分量分析
1.
The results gained through utilizing the principle component analysis to analyze PM_(10) data could.
11城市的污染资料主分量分析结果可以很好地描述华北地区的各类天气型控制下,华北城市群区域性的同步污染和输送汇聚环境过程,并可以依据主分量分析结果对各城市的环境质量做出客观上的评价。
2.
Dynamic and static mapping techniques are introduced here as the qualitative methods while statistical methods,inverse calculation and principle component analysis are introduced a.
在定量处理方法中讨论了统计学方法、逆运算方法和主分量分析方法。
3.
Mixed image cells decomposition algorithm based on principle component analysis is a widely used algorithm, but the large computation amount and less flexibility are its main drawbacks.
基于主分量分析的混合像元分解算法是一种较为成熟的算法 ,但它存在着计算量大 ,适应性差等缺点。
5) principal component analysis
主分量分析
1.
Atrial fibrillation signals extraction from ECG based on principal component analysis;
心电图房颤信号提取的主分量分析研究
2.
Fault diagnosis of rolling element bearing based on principal component analysis of acoustic signal;
声信号的主分量分析应用于滚动轴承故障诊断
3.
Space target recognition based on principal component analysis;
基于主分量分析的空间目标识别方法
6) Principal component analysis (PCA)
主分量分析
1.
Combining the principal component analysis (PCA),a computationally efficient deflection-opt.
在训练图像中选取地雷图像切片的距离向中心切线作为本征向量构造训练数据阵,获取检测器的参数估计,结合主分量分析设计高效的偏差最优线性二次(DOLQ)检测器。
2.
A kind of special kernel function was built, which was named Non-orthogonal Complex Morlet Wavelet Kernel Function, combined with Principal Component Analysis (PCA), and identified parameters and forcasted future information of non-line.
指出了非线性动态信号参数辨识的重要性;分析了目前采用的方法的不足;对非正交复Morlet小波满足Mercy条件和再生性的命题作了证明;用复Morlet小波构建出一种核函数,与主分量分析方法相结合,对非线性动态信号进行参数辨识和预测;仿真结果验证了该方法的正确性和有效性,表明该方法具有较好的理论价值和实用价值。
3.
The classical Principal Component Analysis (PCA) for image feature extraction is usually based on vectors, which makes it very time-consuming, and the class information in the training sample has not been utilized fully also.
传统的主分量分析在处理图像识别问题时是基于向量的,且没有充分利用训练样本的类别信息。
补充资料：向量分析
与向量函数有关的微积分运算及其应用。
向量函数的微分法 设有一依赖于某变量 t的向量函数（t在某一区间α≤t≤β上变化）。如果下面这极限存在，则称
为A(t)在t处的导数。导数存在的充分必要条件是三个分量函数在t处都有导数,且恒有也可定义向量函数的微分：或即
类似地可定义向量函数的高阶导数与高阶微分。
如向量函数依赖于多个自变量,例如A(u,v)，则也可定义偏导数以及全微分
等等。
向量函数的积分法 A(t)在区间[α,β]上的积分定义为式中Δ为[α,β]的一分划：,而τk为中任何一点。用分量写法,则有 当然要假定各分量的积分存在。
也可以定义重积分以及线积分、面积分等等。
总之，向量函数的微分法与积分法都可通过它的各分量的相应运算来实现。
设A(t)为一曲线C上动点的位置向量,t为流动参数，亦即，C有参数方程
则A┡(t)的方向就和曲线C在t处的切线方向相同。如果A(u,v)是一曲面S上动点的位置向量,而u,v为流动参数，则向量积的方向就和曲面S上(u,v)处的法线方向相同。用这些基本事实，可以来研究空间曲线、曲面的性质，也是微分几何的出发点。
以上所述，也可推广到高维的向量函数上去。向量又可以看作一阶张量，因此向量分析又是张量分析的特例。
向量函数的微分法 设有一依赖于某变量 t的向量函数（t在某一区间α≤t≤β上变化）。如果下面这极限存在，则称
为A(t)在t处的导数。导数存在的充分必要条件是三个分量函数在t处都有导数,且恒有也可定义向量函数的微分：或即
类似地可定义向量函数的高阶导数与高阶微分。
如向量函数依赖于多个自变量,例如A(u,v)，则也可定义偏导数以及全微分
等等。
向量函数的积分法 A(t)在区间[α,β]上的积分定义为式中Δ为[α,β]的一分划：,而τk为中任何一点。用分量写法,则有 当然要假定各分量的积分存在。
也可以定义重积分以及线积分、面积分等等。
总之，向量函数的微分法与积分法都可通过它的各分量的相应运算来实现。
设A(t)为一曲线C上动点的位置向量,t为流动参数，亦即，C有参数方程
则A┡(t)的方向就和曲线C在t处的切线方向相同。如果A(u,v)是一曲面S上动点的位置向量,而u,v为流动参数，则向量积的方向就和曲面S上(u,v)处的法线方向相同。用这些基本事实，可以来研究空间曲线、曲面的性质，也是微分几何的出发点。
以上所述，也可推广到高维的向量函数上去。向量又可以看作一阶张量，因此向量分析又是张量分析的特例。
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