运用主成分分析法客观确定指标权重，对黄河三角洲区域的生态可持续进行了实证研究。
主成分2的性状均与食葵的商品性状有关，可称为食葵商品质量构成因子；
建立了主成分分析模型和总溶解固体与离子含量间的回归模型。
主成分分析（PCA）分解法被广泛地应用于特征抽取的过程。
主成分分析结果表明，湖北省耕地资源变化主要驱动因子是人口增加与城市化率的上升。
此外，通过主成分得分可以而且应该总是被用来帮助验证了结果的聚类的节目。
分别采用主成分分析（PCA）和连续投影算法（SPA）方法进行模型输入变量的提取。
主元分析作为一种多元统计分析方法，广泛应用于数据处理和简化中。
主成分结合相关系数法可以鉴别出系统高频噪声，扣除这部分噪音可有效地提高预测模型的预测准确度。
然后采用分簇主元分析方法对形变序列数据进行压缩与简化，构建单株树各枝干运动的细节层次；
推广可界定数量和可用来评估业绩的主成分分析（PCA）。
在以上数据的支持下，运用了主成分分析法对平谷区土地利用变化驱动力进行了分析。
利用主成分评分法对我国农村饮用水和环境卫生现状进行分类。
权重的确定采取主成分浅析浅析法和特尔菲法的均值来作为本次定级因素因子的最终权重值。
KPCA采用非线性方法提取主成分，描述待识别图像中多个像素之间的相关性。
然后，采用主成分分析法进行特征降维；
本文尝试将主成分分析技术和主分量分类法引入交通事件自动检测领域。
文章在最后重点通过建立模型，运用主成份分析法来计算上市汽车公司的综合得分。
证明出，偏最小二乘迭代算法在处理单张数据表成分提取时与主成分分析相同。
主成分分析法是从观测数据中获取主要信息的一种多变量统计方法。
本文对利率期限结构做了主成分分析，并根据结果构建了利率的水平、斜率和曲度三个因子。
在主成分权重图上体现了纯试剂的光谱特征。
主成分分析法和聚类分析法是藠头无机元素含量分析的有效方法。
应用数据挖掘技术中的聚类分析和主成分分析方法，探讨海量监测数据的处理技术，从而达简化监测数据规模的目的；
本文的主要工作是将支持向量机（SVM）及核主成分分析（KPCA）应用到入侵检测技术中。
本文应用模糊聚类分析和主成分分析的方法对山海关林场的灌丛进行分类。
最后以上海为例，用主成分分析法给出了简化模型的系数。
之后利用主层次分析法以及线性代数的有关知识为每一个具体指标赋予权重。
应用主成分分析和判别分析分类技术研究了青海盐湖水化学类型。
为提高分割算法的处理效率，本文采用了四元数主成分浅析浅析对彩色图像进行主成分提取。