典型相关分析(canonical correlation analysis),是对互协方差矩阵的一种理解,是利用综合变量对之间的相关关系来反映两组指标之间的整体相关性的多元统计分析方法。它的基本原理是:为了从总体上把握两组指标之间的相关关系,分别在两组变量中提取有代表性的两个综合变量U1和V1(分别为两个变量组中各变量的线性组合),利用这两个综合变量之间的相关关系来反映两组指标之间的整体相关性。
典型相关分析(canonical correlation)是研究两组变量之间相关关系的一种多元统计方法。它能够揭示出两组变量之间的内在联系。
基于168个网页-相关网页
对早期性状校正值与全期性状校正值的简单相关分析(CORR)和典型相关分析(CANCORR),相关系数均达到极显著,证明早期性状校正公式是适合的。早期性状与终测性状间具有显著相关性。
基于48个网页-相关网页
(4)将稀疏表示思想引入到多重集典型相关分析(MCCA),并引入监督信息,提出了监督的稀疏保持多重集典型相关分析(S2PMCCA)和稀疏鉴别的多重集典型相关分析(SDMCCA),实验验证了方法的有...
基于26个网页-相关网页
典型相关分析 Y X i X Y i Y i X :相关系数R(1 TO 1) :单变量复相关(1 TO n ) :典型相关分析(n TO n) 典型相关分析(Canonical Correlation)是 研究两组变量之间相关关系的一种多元统 计方法。
基于6个网页-相关网页
非线性典型相关分析 NLCCA ; OVERALS
广义典型相关分析 GCCA
与典型相关分析 CCOR
局部判别典型相关分析 LDCCA
稀疏保持典型相关分析 SPCCA
核典型相关分析 Kernel CCA ; Kernel Canonical Correlation Analysis ; KCCA
典型相关分析方法 ensemble canonical correlation
灰典型相关分析 Grey Canonical Correlation Analysis
核典型相关判别分析 KCCDA
方法典型相关分析。
用典型相关分析方法选择采样时间、确定与林木生长有密切关系的叶片养分元素。
By canonical correlation analysis, sampling time was selected, and foliar mutriment elements closely related to forest tree growth were determined.
局部保持的典型相关分析(LPCCA)是一种能够解决大量非线性问题的新型算法。
As a new type of algorithm, locality preserving canonical correlation analysis (LPCCA) can solve a large number of non-linear problems.
应用推荐