精密仪器设计-主成分分析讲解.ppt

3、计算主成分贡献率及累计贡献率 贡献率 累计贡献率 一般取累计贡献率达85%~95%的特征值 所对应的第1、第2、…、第m（m≤p）个主成分。 4、计算主成分载荷 　　　 在主成分之间不相关时，主成分载荷就是主成分zi与变量xj之间的相关系数（在数学上可以证明） 5、各主成分的得分 得到各主成分的载荷以后，可以按照计算各主成分的得分 每个地区的综合评价值为：对各个主成分进行加权求和。权重为每个主成分方差的贡献率。 （一）下面，我们根据下表给出的数据，对某农业生态经济系统做主成分分析。 某农业生态经济系统各区域单元的有关数据 步骤如下： （1）将上表中的数据作标准差标准化处理，然后计算相关系数矩阵。 　相关系数矩阵 特征值及主成分贡献率 =4.661/8.9988 （2）由相关系数矩阵计算特征值，以及各个主成分的贡献率与累计贡献率。由表可知，第1，第2，第3主成分的累计贡献率已高达86.596%（大于85%），故只需要求出第1、第2、第3主成分z1，z2，z3即可。 （3）对于特征值 分别 =4.661 0、=2.089 0、=1.0430，分别求出其特征向量e1，e2，e3，再计算各变量x1，x2，…，x9在主成分z1，z2，z3上的载荷。 主成分载荷 (1)从上表可以看出，第1主成分z1与x1，x5，x6，x7呈现出较强的正相关，与x3呈现出较强的负相关，而这几个变量则综合反映了生态经济结构状况，因此可以认为第1主成分z1是生态经济结构的代表。 (2)第2主成分z2与x2，x4，x5呈现出较强的正相关，与x1呈现出较强的负相关，其中，除了x1为人口总数外，x2，x4，x5都反映了人均占有资源量的情况，因此可以认为第2主成分z2代表了人均资源量。 分析：主成分载荷是主成分与变量之间的相关系数。 显然，用3个主成分z1、z2、z3代替原来8个变量（x1，x2，…，x8）描述农业生态经济系统，可以使问题更进一步简化、明了。 (3)第3主成分z3与x8呈现出的正相关程度最高，其次是x6，而与x7呈负相关，因此可以认为第3主成分在一定程度上代表了农业经济结构。 (4)另外，表3中最后一列（占方差的百分数），在一定程度上反映了3个主成分z1、z2、z3包含原变量（x1，x2，…，x9）的信息量多少。 接着还可以计算每个主成分的得分，组成一个新的数据集，作为进一步应用系统聚类分析方法进行区划、分类的新的出发点。 也可以用来综合评价。 进行区域差异分析 * * 则新变量指标z1，z2，…，zm分别称为原变量指标x1，x2，…，xP的第1，第2，…，第m主成分。 * 人脸图像所包含的模式特征十分丰富,它不仅包括一些能直观感觉到的特征，如肤色、发色等颜色特征，脸的轮廓等轮廓特征，用到的更多的是不能感觉，只能通过变换等处理之后才表现出来的特征，如特征脸、小波特征等变换域特征，均值、方差等模板特征。 * 其检测原理如图所示，当有应力或者缺陷存在时，材料的局部电磁特性发生变化。在外部电涡流激励下，这种电磁特性的改变引起涡流场的分布变化。根据焦耳热现象，涡流场的变化进一步导致材料的温度分布变化。采用红外摄像机记录这一温度变化，即可实现残余应力及缺陷的检测与评估。 * 光学工程与精 密 仪 器——主成分分析 自动化工程学院 在日常的数据中，有很多是相关的。人们希望能够找出它们的少数“代表”来对它们进行描述。 需要把这种有很多变量的数据进行高度概括，用少数几个指标简单明了地把情况说清楚。 主成分变换将三维空间的样本显示在二维空间 主成分分析（ Principal Components Analysis ）就是把变量维数降低以便于描述、理解和分析的方法。 主成分分析也称为主分量分析，是一种通过降维来简化数据结构的方法：如何把多个变量化为少数几个综合变量（综合指标） ，而这几个综合变量可以反映原来多个变量的大部分信息，所含的信息又互不重叠，即它们之间要相互独立，互不相关。 这些综合变量就叫主成分，它是不可观测的，即它不是具体的变量，只是几个指标的综合。 什么是主成分分析法？ 成绩数据 53个学生的数学、物理、化学、语文、历史、英语的成绩如下表（部分）。 从本例可能提出的问题 能不能把这个数据表中的6个变量用一两个综合变量来表示呢？ 这一两个综合变量包含有多少原来的信息呢？ 能不能利用找到的综合变量来对学生排序呢？ （一）主成分分析的几何解释 例中数据点是六维的；即每个观测值是6维空间中的