PCA（主成分分析）算法被广泛应用于工程和科学研究中，本报告主要从PCA的基本结构和基本原理对其进行研究，常规的PCA算法主要采用线性算法，通过研究论证发现线性的PCA算法存在着许多不足，比如线性PCA算法不能从线性组合中把独立信号成分分离出来，主分量只由数据的二阶统计量—自相关阵确定，这种二阶统计量只能描述平稳的高斯分布等，因此必须对其进行改进，经改进后的PCA算法有非线性PCA算法、鲁棒算法等。我们通过PCA算法在直线（平面）中拟和的例子说明了PCA在工程中的应用。本例子采用的是成分分析中的

1． 用任何一种高级开发语言编程实现矩阵相乘的Strassen算法。 2． 分析其时间复杂度。 3． Strassen算法与传统算法其优点与不足之处。 -1. Any development of a high-language programming matrix multiplication, the algorithm Strassen. 2. Analysis of their time complexity. 3. Strassen algorithm and the tr

算法分析实验报告：Strassen矩阵乘法,无问题,可以用的源码-Algorithm analysis lab report: Strassen matrix multiplication, no problem, can use the source code

矩阵运算加减点乘点除,脚本解析(不含语法检查),纯c程序练手而已-Matrix operations and subtract point by point, scr ipt analysis (excluding syntax check), pure c program a try

矩阵运算加减点乘点除,脚本解析(不含语法检查),纯c程序练手而已-Matrix operations and subtract point by point, scr ipt analysis (excluding syntax check), pure c program a try