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. 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. 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. 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. 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. 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BP神经网络模型的国家脆弱性问题的求解

  2. 随着人类社会的进步和发展，环境对一个国家的影响不容小觑，其中气候变化对人类生活方式产生深远意义和影响，进而改变国家的脆弱性，本文基于人工智能理论构建了一个国家脆弱性评价模型并利用相关系数法讨论气候变化如何影响区域的不稳定性，发现气候变化对区域稳定性有着举足轻重的作用。问题重述 1.1问题背景 候变化通过对区域稳定性产生影响,进而改变国家的脆弱性,当它与薄弱的政府 治理和社会分裂相结合时,可以引发一系列的暴力恶性事件,通常沿着潜在的民族和政 治分歧发展。早在20世纪90年代,这一概念就已经为一些主

  3. 所属分类：其它

    • 发布日期：2019-03-15
    • 文件大小：1048576
    • 提供者：zrg_hzr_1

  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

  1. 基于主成分分析的模糊时间序列模型的平稳化算法

  2. 在模糊时间序列模型建立的过程中,对数据的预处理和模糊规则的优化往往是影响模型预测精确度的关键因素.针对上述问题,提出基于主成分分析(PCA)的平稳化算法.首先,对数据进行平稳化检验,并将非平稳的数据进行预处理使其平稳;其次,对论域进行划分并根据模糊关系构建广义的协方差矩阵,由此计算广义协方差矩阵的特征值和特征向量;再次,根据特征值的累计贡献率优化模糊规则,利用优化后模型进行预测;最后,通过实际算例验证新算法的可行性.

  3. 所属分类：其它

    • 发布日期：2021-01-13
    • 文件大小：241664
    • 提供者：weixin_38592758