AbstractIn this paper we present an

Abstract
In this paper we present an efficient way of computing principal component analysis (PCA). The algorithm finds the desired number
of leading eigenvectors with a computational cost that is much less than that from the eigenvalue decomposition (EVD) based PCA
method. The mean squared error generated by the proposed method is very similar to the EVD based PCA method.
 2007 Elsevier B.V. All rights reserved.

ผลลัพธ์ (ไทย) 1:

บทคัดย่อในเอกสารนี้ เราแสดงวิธีที่มีประสิทธิภาพของคอมพิวเตอร์วิเคราะห์ส่วนประกอบหลัก (PCA) อัลกอริทึมการค้นหาหมายเลขที่ระบุลักษณะเฉพาะชั้นนำด้วยต้นทุนที่คำนวณที่มากน้อย กว่าที่ได้จากการเน่า eigenvalue (อีวีดี) โดยสมาคมวิธีการ หมายถึงกำลังสองข้อผิดพลาดที่สร้างขึ้น โดยวิธีการนำเสนอจะคล้ายกับอีวีดีที่ใช้วิธี PCA2007 Elsevier b.v สงวนลิขสิทธิ์ทั้งหมด

ผลลัพธ์ (ไทย) 2:

บทคัดย่อในบทความนี้เรานำเสนอวิธีที่มีประสิทธิภาพของการประมวลผลการวิเคราะห์องค์ประกอบหลัก (PCA)
อัลกอริทึมพบว่าจำนวนที่ต้องการของ eigenvectors ชั้นนำที่มีค่าใช้จ่ายในการคำนวณว่ามีมากน้อยกว่านั้นจากการสลายตัว eigenvalue (EVD) ตาม PCA วิธี ข้อผิดพลาดเฉลี่ยกำลังสองที่สร้างขึ้นโดยวิธีการที่นำเสนอเป็นอย่างมากคล้ายกับ EVD ตามวิธี PCA.? 2007 Elsevier BV สงวนลิขสิทธิ์

ผลลัพธ์ (ไทย) 3:

นามธรรม
ในกระดาษนี้เรานำเสนอวิธีที่มีประสิทธิภาพในการคำนวณการวิเคราะห์องค์ประกอบหลัก ( PCA ) ขั้นตอนวิธีการค้นหาหมายเลขที่ต้องการ
เป็นผู้นำเสนอ ด้วยต้นทุนที่น้อยกว่าที่คำนวณจากค่าการสลายตัว ( evd ) วิธี PCA
ตาม ค่าเฉลี่ยความคลาดเคลื่อนยกกำลังสองที่สร้างขึ้นโดยวิธีที่เสนอนี้จะคล้ายกับวิธี PCA ตาม evd .
 2007 สามารถนำเสนอ
สงวนสิทธิ์ทั้งหมด