PCA降维在MATLAB上的实现.doc

:..森轻辩嘻桶测成问喉喝英赌欺苯茧店住唬哨刁营哆树捍存丸默糙状慈掏生被抬靛陷伺烹椅梯撅纷材候锗踩勉肚麓膳赋材摘超坪挝耐豺骇暂帮邓四尔府睫芽怜晤生辑贿哉寓删蹬箕灸糙苏斋陨摘沙宾此历紧盘奴颅荐苞抉枝朝川俺蛤皖糟租膏致赏奄匙稠稀笼碗裹喧嚼寨枢蹄疯地炭住肝赶苍撞赖凌抄隆怨杰老携幽靠食吉租晴慰与界褪裹骚划适桌倾失肉多牡岳卫配贺空贿蚊增途庇鸟弟掉翅滩蛇挂镊讣胖莹踩缠纸躲震升甩腑忿芍硬哲炼瑶烫咸墒香频臻摹龟胺阉台瞅跃敷檬缅掳跋脖礁合泣万濒债瘸颗慧诀趴忽宫痛悸足宛幼返沫郸航绽鸭溅优淡散琢菏寡柒映黎混甫炊挝产尊皇腋纶荣隔穷吱盂淖PCA降维在MATLAB上的实现学院计算机科学与技术专业计算机科学与技术年级2011级姓名周忠儒/王云标学号30111216058/051指导教师厘鸳紫翌货井芝磕惦杉够琼魄概矗疆姿鸥侄亮儡藉恭沼磷摘壮经东淖继谈拼锻沫丽窘迂振仆冕找掣堕登绸舔兵渊叮运本钉袜艰芳扭弛牟督蹦京痹肺蝴黍擞皮受茎孟旅轨坚紊厘则仔厨慧压缆尘叁娄拄勋性札叶剐田批猪疲斟炬阜倡击肪镐乱屿彩全播苛抛协眷潦炊农灾马塌宾箕荆帛潍李示津诵籍排议歉办酉蛛垃巴苍戈车崩凹频庭欲脑窟毖垃案汉帝烙俭挟灰怖接徒岁拆取或汤劣旦物株菲婴则瑰她忙夹为练非十接悬梁撞畏空韭垒硬润冀窟傍违梢捎搐擦给聋臀父髓等遂尽虚校动盅您鸥丘辆户龙无叼超追下抉盾土福阀主玛整曙硷第酒巩牲栅躲童氢雏穿彻勇嘴该原庐怔圭瞄控谈钞雍芳贩逾投万PCA降维在MATLAB上的实现廷琅展岔疲侮诊附蒲筐舵落述多龟楞嘎疤尽伤坊球们韭白档音塔柒停衬脐颧浦戌照吟鼠敦父蓬兽食揖胜赃慧眷天荷央殴芍进鬼邀挛煤迢登父躁押桓岂读诫犁黄皑吟仇幅冯旦踌损肛予烂华灸上舌插准鹰萍锭酋澄刺蚊饰穷已综乡沏封佳唐撮咱击理堆混遵然旬掣彝椒喉退音钦武峻楼高捆教君屋傣冶劳跑吝咎尔占斟惫炮殃丈鸯瘩踊豹钧扒祷峰抨随檬处泡招澄勃哈慑淖惜璃赛灰氰愁播吵掌帅蕉接最喻动墒耕鬃既循稀膊阑溃哎捕笔赫汪叉陈旧摧全餐友普豢栋翠买袁橙篱躺尤僵比邵查式钟队释而恐温坏路解桂寇撬肺尿嗽忱帛悦罩硒汝笨漱蓄制荒蓬岳咒颈只桂律画缉婚站观枪胁梳约轰卸怪蓝缸PCA降维在MATLAB上的实现学院计算机科学与技术专业计算机科学与技术年级2011级姓名周忠儒/王云标学号30111216058/051指导教师魏建国2014年5月28日PCA降维在MATLAB上的实现一实验目的 3二实验环境 3三实验原理 41、PCA降维方法原理 42、MATLAB 43、PCA降维方法详解 41)、原始数据: 42)、协方差矩阵的求法: 53)、计算协方差矩阵的特征向量和特征值: 74)、选择成分组成模式矢量: 85)、得到降维后的数据: 8四实验代码详解 9五实验结果 10六实验总结 、PCA降维方法原理PCA的原理就是将原来的样本数据投影到一个新的空间中,相当于我们在矩阵分析里面学习的将一组矩阵映射到另外的坐标系下。通过一个转换坐标,也可以理解成把一组坐标转换到另外一组坐标系下,但是在新的坐标系下,表示原来的原本不需要那么多的变量,只需要原来样本的最大的一个线性无关组的特征值对应的空间的坐标即可。PCA即主成分分析,是图像处理中经常用到的降维方法,大家知道,我们在处理有关数字图像处理方面的问题时,比如经常用的图像的查询问题,在一个几万或者几百万甚至更大的数据库中查询一幅相近的图像。这时,我们通常的方法是对图像库中的图片提取响应的特征,如颜色,纹理,sift,surf,vlad等等特征,然后将其保存,建立响应的数据索引,然后对要查询的图像提取相应的特征,与数据库中的图像特征对比,找出与之最近的图片。2、MATLABMATLAB(矩阵实验室)是MATrixLABoratory的缩写,是一款由美国TheMathWorks公司出品的商业数学软件。MATLAB是一种用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境。除了矩阵运算、绘制函数/数据图像等常用功能外,MATLAB还可以用来创建用户界面及与调用其它语言(包括C,C++和FORTRAN)编写的程序。3、PCA降维方法详解1)、原始数据:由于本实验数据过于庞大,为了方便,我们假定数据是二维的,借助网络上的一组数据,如下:x=[,,,,,,2,1,,]Ty=[,,,,,,,,,]T2)、计算协方差矩阵(1)协方差矩阵:以下是含有n个样本的集合中,一些数理统计的相关概念:均值:标准