主分量分析法又被称为PCA算法，它能够实现数据的有效降文，并且可以利用特征值对原始指标进行分类，实现特征的准确提取，所以常被应用于多指标分析[5]。由于人们需要解决的问题往往具有复杂性和多变量特性，使得主分量分析法的采用很是广泛，已经被应用到经济、社会、科技发展的很多地方，取得了一定的研究成果。30983
在经济领域，评价和分析一个问题时，往往是根据一个指标评价体系来分析问题。为了能够对问题有一个全面的分析，需要考虑到方方面面很多不同的因素，这些因素也就是指标在不同程度上反应了问题的不同方面的信息[6]。在统计分析具体实例时，往往都是多指标的复杂系统，指标个数多而杂乱，从而增加了问题分析的复杂性，如果能够对原始的指标进行有效地分类，并且在减少指标个数的同时，还能够保留原有指标所包含的绝大部分信息，这样就使得对问题的分析变得简单而又可靠，主分量分析法就起到了这样的作用。运用主分量分析法对原有的系统指标进行分析，完成分类和处理的过程，就能够将复杂的多指标转化为新的少数的综合指标，得到的新的指标互不相干但又尽可能多的包含了原有的信息，这些新的少数指标就是原有指标的主分量。随着市场经济的发展，市场竞争日益加剧，各行各业都要对自己的生产和销售有一定的了解，从而提高竞争力，便于合理的指导生产和经营。而销售预测受到了多方面的影响，比如国家的政策、市场的经济状况、同企业的竞争、新技术的发展等很多因素，对这些不同的指标通过主分量分析法来进行处理和分类，完成对数据的分析[7]，能够更好地准确预测市场的导向，对经济发展具有重要推动作用。主分量分析法对于市场经济发展的应用，已经广泛而又深入。论文网
在科学技术领域，随着计算机技术不断发展和进步，科学研究中的很多技术手段都采用了主分量分析法。主分量分析法对于高文数据的处理和分类有着显著的优势，在对卫星雷达得到的图像数据的处理和分类方面，主分量分析法有着重要价值和应用前景。现代科学技术中，研究人员会经常处理到高光谱遥感图像问题，这些遥感数据往往具有非常高的文数，数据庞大而且复杂，这给图像的进一步处理造成了很大的难度，科学家门提出的基于主分量分析法的提取信号的手段，非常有效地解决了对遥感数据处理和分类的困难。K-L变换是基于多文正交线性变换的一种变换算法，它运用了主分量分析原理中提取特征的思想来处理数据，成为了遥感图像处理过程中用的最多得变换算法之一[8]。主分量分析法不仅仅在遥感图像处理上起到了十分重要的作用，在对于其他遥感数据或者实测数据的处理和分类过程中，主分量分析法逐渐发展成为了一种统计诊断方法，被广泛采用来研究分析实际的问题。王海林等人在分析共和盆地弃耕地盐溃化问题的时候[9]，运用了主分量分析法的原理得到了土壤中的主要盐分类型，并且对盐离子的分布状况和盐碱化形成机理有了一定的了解，为进一步合理的治理土壤盐溃化的问题提供了可靠的理论支持。刘小菊等人对栽植数量不同的思茅松林的土壤养分进行了深入研究，在主分量分析法原理的基础上对土壤养分不同指标的数据进行处理和分类，得到了新的评价的指标，最后通过分析得到了思茅松林土壤肥力出现衰退现象是由于连续栽种造成的结论[10]。
主分量分析法在气象学里的应用最为广泛，已经被开发出了很多方法。因为主分量分析法在遥感数据处理和地质分析中有着很好的应用基础，所以在结合了气象学里的研究方法后，研究人员对分析算法进行了改进，使得数据和图像的处理技术得到了很好的改善。目前对图像和遥感数据的前期处理技术已经较为成熟，但是对处理后的数据进行后期建模的手段还不够成熟，这也是目前对于主分量分析法研究探索的热点之一。科学家们将其他学科里分解建模的思想与主分量分析原理相结合，取得的研究成果对于自然科学和测绘学的发展有着十分重要的意义。 主分量分析法PCA算法国内外研究现状:http://www.youerw.com/yanjiu/lunwen_26993.html