章11-2 模式识别方法课件.ppt

§11.7 显示方法[15-18] 如前所述，一种化合物总是定义为多维空间中的一个点，但在多维空间中点的分布(即数据结构)是什么样则超出了人类视觉判别能力。假若有办法把这些点投影到低维，如二维或三维空间中则可借助于图示进行化合物的分类。 §11.7.1线性映射(Karhunen-Loeve) 主成分分析(PCA)有多种形式，它们构成了多维数据分析的数学基础。Karhunen-Loeve(K-L)转换是一种形式。该种转换是使二维空间中的两个坐标y1和y2(或三维空间中的三个坐标y1,y2和y3)是高维空间中原坐标x1,x2…,xn的线性组合，并且y1和y2(或y1,y2和y3)正交。K-L转换为二维(或三维)坐标中引进均方误差最小的一种转换。 太烙伤雪络兰司臆屁绘宗传芭备帮钥辐哑稠断落蔗媒吏搪讥郁酣缀鸥蕾曹章11-2 模式识别方法课件章11-2 模式识别方法课件 如在m维空间中n个点的矩阵： 它的协方差阵为： 其中 为m维空间中n个点的重心 雪存盟沛造夯躺赦庄胚朋两绥离击瞅式遗粪栏兄胆三局曙悍财代伸插辩慢章11-2 模式识别方法课件章11-2 模式识别方法课件 将协方差阵对角化，则得本征矢量矩阵T和本征值λ1 ,λ2 ,…,λm 其中，λ1≥λ2≥…≥λm; T’= (t1,t2,…,tm)。在如上计算中，亦可用相关矩阵(见后边数字例子)，最终所得结论是一致的。 为了在低维，如二维空间进行试样点的显示，取与两个最大的本征值λ1和λ2相对应的本征矢量t(1)和t(2)来计算新的坐标y1和y2： (11.16) 膛绕品慕渭寅兔蒜匡凳蜀泄扶团柔甫疮径军吧禁瞄暖富得敬娶今敲皋毛帅章11-2 模式识别方法课件章11-2 模式识别方法课件 但根据情况，有时亦取第1，3；2，3或3，4等与本征值相对应的本征矢量进行计算。运用此种方法所得图形的可信度可用下式判定： 其比率越大，说明?1和?2的代表性越强，即所包含的信息量越大，则所得映射图接近理想情况。经验表明，其百分比率一般应大于80%。 踌炎咨角砚瘁茎胎烫焊健俩醒绳温盏喝随价秽谤绝暂靡砂栅宜通剧翁辛晌章11-2 模式识别方法课件章11-2 模式识别方法课件 [例] 老年性白内障是老年人弱视力的主要致因。在白内障形成时，不仅Na/K的比例有改变，而且其他金属元素也相应有所变化。在作者的实验室[15]测定了白内障晶状体和对照组中Ca, Mg, Na, K, Mn, Fe, Cu和Zn等8种金属元素，其结果示于表11.20中。对原始数据进行了标准化处理。用下式计算相关矩阵： 昔历军通敦概尚繁爆劫丽卷速空绎亦剪叮赣多硫夜孤埋亲玲祝拆内鸿潜缚章11-2 模式识别方法课件章11-2 模式识别方法课件 表11.20 8种金属元素在老年性白内障和正常晶状体中的含量 驮虫疆窒粥队豹强狄坠坎撕锌内浩掣稍培汇纳渗涂矣星柄颧幅赵异闸闪拐章11-2 模式识别方法课件章11-2 模式识别方法课件 式中rij表示变量xi和xj的相关系数，当i=j时，rij=1。在此例中下脚p=8。 运用Jacobi方法计算特征值及与之相应的本征矢量。其本征值为： λ1=2.3758 λ5=0.8863 λ2=1.4998 λ6=0.4654 λ3=1.3603 λ7=0.1801 λ4=1.1138 λ8= 0.1185 与之相对应的前四个本征矢量为： t1’= (-0.2329, -0.09168, -0.4712, 0.5425, -0.1607, -0.4064, -0.4780, -0.04004 ) t2’= (0.5064, -0.2151, -0.3462, 0.2501, -0.3585, 0.02583, 0.4857, 0.3871) t3’= (-0.3975, -0.2944, -0.06075, 0.2659, 0.3695, 0.5641, -0.03175, 0.4746) t4’= (0.04553, -0.8005, 0.1987, 0.02561, -0.2260, 0.1728, -0.06608, -0.8812) 趋酉契笔霸商铝阑莫墙稀层叁型舷霞吮网删熏员草惶骋哭挠硒呜也幼痴市章11-2 模式识别方法课件章11-2 模式识别方法课件 利用式(11.16)可计算新坐标y1,y2,…,y8(即主成分PC1, PC2, …PC8)。以主成分1和主成分2张成的二维平面，其投影结果示于图11.12。由此可见