稀疏矩阵运算器实习报告,与严蔚敏老师主编的数据结构与算法一书实习4.1相对应-sparse matrix operations for internships, and Yan Wei Min teachers editor of the data structures and algorithms on a corresponding attachment 4.1

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

数据结构的课程设计报告-稀疏矩阵的乘法-data structure of the design report - sparse matrix multiplication.

数据结构中稀疏矩阵的十字链表存取表示，加，减，乘，除等常用算法-data sparse matrix structure of the Cross access Chain said, plus or minus, by, among other commonly used algorithm