注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 基于累计方差贡献率，用MATLAB实现数据降维程序代码

  2. 给定数据模型，用matlab程序代码实现数据的降维，基于方差贡献率来确定最终降维的维数。

  3. 所属分类：其它

    • 发布日期：2009-07-17
    • 文件大小：2048
    • 提供者：zhengxinggan

  1. 计算机图形学若干基本算法的实现研究

  2. 本文所研究的计算机图形学若干基本算法，包括：裁剪算法、多边形 布尔运算、曲线边多边形分割算法、曲线边多边形面积算法、高维空间距 离算法和主成分回归分析法(PCR)，具体工作如下： 平面多边形的各种分解表示方法在计算机几何造型领域中有着广泛 的应用，根据基于三角形的多边形表示方法，通过研究构造的多种算法和 它的一些应用，在原有工作的基础上，对算法进行了扩展，针对在构造有 曲线边多边形分层表示时可能会出现不合理情形，对曲线边进行分割，提 出了一些可以利用的分割算法，包括对圆锥曲线边求分割点和切点的

  3. 所属分类：其它

    • 发布日期：2009-08-04
    • 文件大小：1048576
    • 提供者：zk12141985

  1. matlab主成分分析源代码

  2. MATLAB主成分分析源代码及工具箱。计算协差矩阵、特征根和特征向量、方差贡献率;累计方差贡献率、相关系数矩阵，简单实用，欢迎大家下载。

  3. 所属分类：其它

    • 发布日期：2009-08-21
    • 文件大小：24576
    • 提供者：U200710920

  1. MATLAB主成分分析代码

  2. 关于主成分分析的MATLAB程序，输出包括方差贡献率累积方差贡献率等。

  3. 所属分类：其它

    • 发布日期：2010-08-20
    • 文件大小：897
    • 提供者：liuerchaohappy

  1. 主成分分析应用 数学建模

  2. 主成分分析 数学建模 function [R]=zcffx(X) %输出相关矩阵R B=X(1:end);%将矩阵展开 juzhi=mean(B); biaozhuncha=std(B); [m,n]=size(X); C=zeros(14,8); %将矩阵标准化，运用标准差标准化 for i=1:m for j=1:n C(i,j)=((X(i,j)-juzhi)/biaozhuncha); end end R=corrcoef(C);%相关矩阵 [V,D]=eig(R);%求相关矩阵R的特

  3. 所属分类：专业指导

    • 发布日期：2011-03-27
    • 文件大小：479232
    • 提供者：scjunzilan

  1. matlab做主成分分析

  2. 用matlab编写的主成分分析,包括协方差矩阵,相关系数矩阵,矩阵标准化,特征根排序,贡献率,累加贡献率,主成分数,主成分得分,主成分得分的排序的完整运算.

  3. 所属分类：其它

    • 发布日期：2011-11-25
    • 文件大小：1024
    • 提供者：lou2009070203

  1. PCA利用累计方差贡献率确定主元个数的matlab程序

  2. PCA主元分析方法中对主元个数确定目前没有非常好的办法，这里提供一个方便的方法来确定主元个数。matlab程序

  3. 所属分类：制造

    • 发布日期：2012-04-04
    • 文件大小：3072
    • 提供者：huanglinzhe1990

  1. lmd和能量熵提取特征

  2. 先把信号进行lmd分解，在通过方差贡献率选择IMF分量，在计算能量熵。你值得拥有，可以运行，求好评！

  3. 所属分类：其它

    • 发布日期：2018-10-15
    • 文件大小：1048576
    • 提供者：qq_43016477

  1. 基于主成分分析的中煤发热量的检测研究

  2. 为了研究中煤的发热量,采集了100个中煤样品的近红外漫反射光谱,采用主成分分析(PCA)对数据进行降维,建立定量的数学模型并与工业检测对比。分析结果表明,PC1的累计方差贡献率为92.13%,PC2的累计方差贡献率为91.35%;校正集和预测集的相关系数(R2)分别为0.961 54和0.880 64,校正集的均方根误差(RMSEC)和预测集的均方根误差(RMSEP)分别为0.173和0.300。实验结果表明:模型具有较高的相关性、稳定性和预测精度,为中煤发热量的近红外光谱定量检测奠定了基础。

  3. 所属分类：其它

    • 发布日期：2020-05-18
    • 文件大小：747520
    • 提供者：weixin_38516190

  1. 中国煤炭铁路运输业发展评价及预测分析

  2. 铁路是我国最主要的煤炭运输方式,将因子分析与熵权值和TOPSIS相结合,对1998—2017近20年的16项相关运输指标的数据进行分析。以熵值法的差异系数对主因子的方差贡献率和因子得分系数进行调整,消除指标间多重共线性及指标权重不确定问题,从而构造加权规范矩阵,并计算出每年的因子综合得分与理想解的相对贴近度,以贴近度的测算评价其发展并预测趋势。实证研究表明,该方法可以有效消除指标间的多重共线性,合理为指标赋予权重,得到更为客观的评价结果,建立多元回归预测模型可靠、有效。

  3. 所属分类：其它

    • 发布日期：2020-05-17
    • 文件大小：1048576
    • 提供者：weixin_38528517

  1. EOFdaima111.py

  2. 关于做EOF的Python代码，程序里有注释，最后输出时间序列、特征向量场、方差贡献率、累计方差贡献率，

  3. 所属分类：其它

    • 发布日期：2020-04-24
    • 文件大小：5120
    • 提供者：weixin_43527973

  1. 基于主成分分析的灌区运行状况综合评价

  2. 基于主成分分析的灌区运行状况综合评价，廖林仙，邵孝侯，针对灌区运行状况综合评价方法中权重确定复杂情况，将主成分分析方法应用于灌区运行状况的综合评价，以主成分的方差贡献率为权重

  3. 所属分类：其它

    • 发布日期：2020-01-26
    • 文件大小：228352
    • 提供者：weixin_38719719

  1. 精煤发热量的近红外光谱检测方法研究

  2. 为了检测精煤的低位发热量,采集了150个精煤样品的近红外漫反射光谱,采用主成分分析(PCA)结合不同光谱预处理方法,建立了基于马氏距离剔除异常样品后的定量数学模型,同时与工业上的检测结果进行对比。结果表明:经过多元散射校正处理后的模型效果最优,相关系数达到0.909,校正集均方根误差为0.001 31,交叉验证均方根误差为0.001 62;之后采取PCA方法对光谱的数据降维,提取了前三个相关样本的主成分,发现其累计方差贡献率为93.786%,表明模型具有较高的稳定性和预测能力,为精煤低位发热量的

  3. 所属分类：其它

    • 发布日期：2020-05-27
    • 文件大小：492544
    • 提供者：weixin_38750406

  1. 基于主成分和熵权的房地产投资环境评价

  2. 在房地产投资环境的评价过程中,评价指标往往考虑的因素比较多,评价过程比较繁琐。本文用主成分分析的方法在评价的过程中选取指标的主成分,对评价指标进行约简,提高评价的效率。在对评价指标进行赋权时,主成分分析方差贡献率赋权的方法不能使权重归一。为了保证指标赋权信息统一性,用信息熵的原理客观的给定指标的权重,保证指标的合理。最后应用案例用改进的指标和确定的指标权重对方案进行综合评价,得分排名符合其合理性。

  3. 所属分类：其它

    • 发布日期：2020-06-17
    • 文件大小：140288
    • 提供者：weixin_38746293

  1. 高构造应力下冲击地压微震时空特征与前兆

  2. 针对煤矿冲击地压的预测难题,利用微震监测数据,对华亭煤田250105工作面回采过程中微震事件能量与频次关系、空间分布特征进行分析,探讨该工作面冲击地压机制及前兆特征。研究表明:250105工作面冲击地压分布在工作面超前220 m范围内煤层和底板,在沿采空区煤柱侧分布较多,主要是由高水平构造应力与工作面超前支承压力和残余支承压力叠加引起坚硬煤层或底板破断所致。冲击地压前微震能量和频次存在着"峰值-降低-升高-冲击"的模式,对微震点空间分布进行主成分分析发现第一主分量与工作面推进方向一致,第一主分量

  3. 所属分类：其它

    • 发布日期：2020-06-14
    • 文件大小：598016
    • 提供者：weixin_38737635

  1. 概率积分参数选取的主成分回归分析

  2. 为解决地质采矿因素之间的相关性及信息重叠影响概率积分法参数的计算精度问题.采用主成分回归分析的方法,以43个典型观测站的实测数据作为样本,研究了概率积分法参数的计算方法.研究结果表明:通过主成分分析方法提取前5个主成分的累积方差贡献率已经达到91%,可用其代替原始的8个因素;该方法可以有效减少变量的个数,消除变量之间的相关性及信息重叠.采用提取的主成分进行多元线性回归计算参数的最大相对误差为8.9%,最大平均绝对误差百分率为5.4%;内部拟合误差及外部预测误差均较小,表明该方法的计算结果是准确可

  3. 所属分类：其它

    • 发布日期：2020-06-28
    • 文件大小：854016
    • 提供者：weixin_38730767

  1. 超简单、超实用的统计方法——因子分析

  2. 大家好！今天给大家带来一个非常简单、实用的统计方法——因子分析，这个方法适用面非常广，无论商科、工科、理科都能用来研究分析。一起来看看吧！ 因子分析目录第一部分：安装factor_analyzer包第二部分：导入数据第三部分：建立因子分析模型第四部分：计算各个城市得分获取代码 什么是因子分析？用来做什么？ 因子分析法（factor analysis）的核心是对若干综合指标进行因子分析并提取公共因子,再以每个因子的方差贡献率作为权数与该因子的得分乘数之和构造得分函数。 第一部分：安装factor

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：592896
    • 提供者：weixin_38745891

  1. 基于太赫兹时域光谱技术的红木检测方法

  2. 提出了一种基于随机森林预测模型的太赫兹时域光谱的木材鉴别方法。对4种木材(2种红木、2种非红木)在0.2～1.2 THz频率范围的吸收光谱的差异进行分析；对得到的光谱吸光度数据进行主成分分析的数据降维处理,并提取方差贡献率最高的五种主成分(总贡献率高达99.65%)；将其代入随机森林预测模型预测鉴别红木的真伪，得出相应训练集和测试集的识别率。实验结果表明，与传统的支持向量机预测模型和单一决策树模型比较，使用时域光谱技术结合随机森林预测模型能够得到更高的识别率,识别率可达91.25%，能够准确对红

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：3145728
    • 提供者：weixin_38552305

  1. 改进PCA 在发酵过程监测与故障诊断中的应用

  2. 提出一种改进的主元分析(PCA ) 方法. 利用主元相关变量残差统计量代替平方预测误差Q 统计量, 并采用 累积方差贡献率及复相关系数确定PCA 模型的主元数. 将改进的主元分析法应用于粘菌素发酵过程监测和故障诊 断中, 仿真结果表明改进的PCA 方法避免了Q 统计量的保守性, 并保证了主元子空间中的信息存量. 与一种基于特 征子空间的系统性能监控方法相比较, 改进的PCA 方法具有更强的有效性.

  3. 所属分类：其它

    • 发布日期：2021-01-15
    • 文件大小：272384
    • 提供者：weixin_38650951

  1. 基于主元子空间的主动配电网量测设备关键配置位置识别

  2. 为了进一步优化主动配电网中量测设备的配置，提出了基于主元子空间的量测设备关键配置位置识别方法。该方法不需要关于系统的完备先验知识。利用主元分析方法将量测数据映射到主元子空间中，利用主元的累计方差贡献率选取样本主元；在量测变量重构的基础上，计算量测变量对Hotelling T2统计量的重构贡献率；定义了节点重构贡献率和节点相对贡献率，并将相对贡献率应用到关键配置位置识别中。IEEE 69节点系统的仿真结果表明了所提方法的有效性。

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：790528
    • 提供者：weixin_38526225
« 12 »