第1章算法设计和分析 1．1概述 1．2算法设计原则 1．3算法复杂性的度量 1．3．1时间复杂性 1．3．2空间复杂性 1．4最优算法 1．5算法的评价 1．5．1如何估计算法运行时间 1．5．2最坏情况和平均情况的分析 1．5．3平摊分析 1．5．4输入大小和问题实例 思考题 第2章GIS算法的计算几何基础 2．1维数扩展的9交集模型 2．1．1概述 2．1．2模型介绍 2．1．3空间关系的判定 2．2矢量的概念 2．2．1矢量加减法 2．2．2矢量叉积 2．3折线段的拐向判断 2．4判断

基于王斌会《多元统计分析及R语言建模》第8章第1节主成分分析。主要介绍主成分分析的数学原理以及相关算例。

基于王斌会《多元统计分析及R语言建模》第8章第1节主成分分析。主要介绍主成分分析的概念，问题和性质以及相关算例。

主成分分析（Principal ComponentAnalysis，PCA）一种数据降维技术，将多个具有较强相关性的实测变量综合成少量综合变量。其原理也比较简单，首先需要我们理解变异的重要性。在数据中，一个指标除了可靠、真实之外，还必须反映个体间差异。数据的变异是数据信息的承载体，不同个体取值大同小异，该指标不能很好的区分个体，变异越大，信息量越大。