本程序先采用k-l变换进行特征提取实现降维再进行分类-read.docVIP

（一）有特征提取的分类器设计 本程序先采用K-L变换进行特征提取，实现降维，再利用K-Means法进行分类！ K-L变换是最小均方误差意义上的最优变换。其基本步骤如下： 1.先求N维样本数据的均值向量 ， 。 再取样本的协方差矩阵 。 其中： 。。。 2.求协方差矩阵对应的特征值及特征向量，由 得 3.按从大到小排列， ，取其前面m个对应的重构正交 矩阵K，用该矩阵与样本向量相乘，就能实现样本向量的降维。 其中： 。 K-L变换优缺点去相关性好，可用于数据压缩和图像旋转; 二维不可分离，计算复杂性高#includestdio.h #include math.h #include Jacobi.c //包含求实对称矩阵的特征值及特征向量的雅格比法 #define FILENAME data150.txt //存放iris数据的文件，原始数据见附录 //---------------------------------------------------------------------------------------------------------------- //由于turboc或borlandc中没有浮点库，所以需要加入该函数，编译时才不会出错！ static void forcefloat(float *p) { float f = *p; forcefloat(f); } // 主程序--------------------------------------------------------------------------------------------------- void main() {FILE *irisdata; //文件指针,指向data150的数据文件，共150个数据，每个数据4个特征。 float data[150][4]={0.0},temp[4]={0.0};//变量，数组初始化 float means1[4]={0.0},cx[4][4]={0.0},z1[2],z2[2]; double eps,max1=0.0,max2=0.0; static double v[4][4]={0.0}; static double a[4][4]={0.0}; int i,j,k,ii,jj,t1,t2,num[150],class1[15],class2[150]; float newdata[150][2]={0.0},g1[150][2]={0.0},g2[150][2]={0.0}; double sum11,sum12,sum21,sum22; double newxl[4][2]; eps=0.000001; //精度设置 //读取数据,存在data数组中 irisdata=fopen(FILENAME,r); if(irisdata==NULL) printf( open file error!!!!!!\n); else { for(i=0;i150;i++) fscanf(irisdata,%d %f %f %f %f,num[i],data[i]+0,data[i]+1,data[i]+2,data[i]+3); printf(data read successfully!!!!!!\n); } fclose(irisdata); //将数据求平均，maens1[4]用来保存均值向量-------------------------------------------- for(j=0;j4;j++) { for(i=0;i150;i++) means1[j]+=data[i][j]; means1[j]=means1[j]/150.; printf(%4.2f \n,means1[j]); } //求数据的协方差矩阵cx[4][4]--------------------------------------------------------------------- for(i=0;i150;i++) { temp[0]=data[i][0]-means1[0];temp[1]