PCA
多维偏好分析及其在实际决策中的应用：基于PCA-KMeans的数据降维与模式识别方法
多维偏好分析（Multidimensional Preference Analysis, MPA）是一种在市场营销、心理学和公共政策等领域广泛应用的分析工具，用于研究多维度下的复杂偏好决策过程。 在高维数据集中，当属性与偏好之间存在非线性关系或维度重叠时，偏好的理解和可视化呈现出显著的技术挑战。 本文本将研究采用主成分分析（Principal Component Analysis, PCA）和K均值聚类算法对鸢尾花数据集进行降维分析和模式识别。
利用 PRIMO 重构 M87 黑洞图像，普林斯顿高等研究院成功将「甜甜圈」变身「金戒指」
内容一览：2019 年，「事件视界望远镜 (Event Horizon Telescope，简称 EHT)」全球研究团队发布了人类历史上第一张黑洞照片，受限于当时的观测条件，这张黑洞图像只呈现出一个模糊不清的轮廓。近日，天体物理学期刊《The Astrophysical Journal Letters》上发布了一篇基于 PRIMO 算法 重构 M87 黑洞图像的论文，该研究成果带来了更加清晰的黑洞图像。
关键词：M87 黑洞 PRIMO 算法 PCA
- 1