原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
function y = pca(mixedsig)
%程序说明：y = pca(mixedsig)，程序中mixedsig为 n*T 阶混合数据矩阵，n为信号个数，T为采样点数
% y为 m*T 阶主分量矩阵。
% n是维数，T是样本数。
if nargin == 0
? ? error(You must supply the mixed data as input argument.);
end
if length(size(mixedsig))2
? ? error(Input data can not have more than two dimensions. );
end
if any(any(isnan(mixedsig)))
? ? error(Input data contains NaNs.);
end
%——————————————去均值————————————
meanValue = mean(mixedsig);
[m,n] = size(mixedsig);
%mixedsig = mixedsig - meanValue*ones(1,size(meanValue)); %当数据本身维数很大时容易出现Out of memory
for s =??1:m
? ? for t = 1:n
? ?? ???mixedsig(s,t) = mixedsig(s,t) - meanValue(s);
? ? end
end
[Dim,NumofSampl] = size(mixedsig);
oldDimension = Dim;
fprintf(Number of signals: %d\n,Dim);
fprintf(Number of samples: %d\n,NumofSampl);
fprintf(Calculate PCA...);
firstEig = 1;
lastEig = Dim;
covarianceMatrix = corrcoef(mixedsig);? ? %计算协方差矩阵
[E,D] = eig(covarianceMatrix);? ?? ?? ? %计算协方差矩阵的特征值和特征向量
%———计算协方差矩阵的特征值大于阈值的个数lastEig———
%rankTolerance = 1;
%maxLastEig = sum(diag(D) = rankTolerance);
%lastEig = maxLastEig;
lastEig = 10;
%——————————降序排列特征值——————————
eigenvalues = flipud(sort(diag(D)));
%—————————去掉较小的特征值——————————
if lastEig oldDimension
? ? lowerLimitValue = (eigenvalues(lastEig) + eigenvalues(lastEig + 1))/2;
else
? ? lowerLimitValue = eigenvalues(oldDimension) - 1;
end
lowerColumns = diag(D) lowerLimitValue;
%—————去掉较大的特征值(一般没有这一步)——————
if firstEig 1
? ? higherLimitValue = (eigenvalues(firstEig - 1) + eigenvalues(firstEig))/2;
else
? ? higherLimitValue = eigenvalues(1) + 1;
end
higherColumns = diag(D) higherLimitValue;
%—————————合并选择的特征值——————————
selectedColumns =lowerColumns higherColumns;
%—————————输出处理的结果信息—————————
fprintf(Selected [%d] dimensions.\n,sum(selectedColumns));
fprintf(Smallest remaining (non-zero) eigenvalue[ %g ]\n,eigenvalues(lastEig));
fprintf(Largest remaining (non-zero) eigenvalue[ %g ]\n,eigenvalues(firstEig));
fprintf(Sum of removed eigenvalue[ %g ]\n,sum(diag(D) .* (~selectedColumns)));
%———————选择相应的
文档评论（0）