(完整word版)主成分分析法matlab实现,实例演示.docVIP

利用 Matlab 编程实现主成分分析 概述 Matlab 言是当今国 上科学界 (尤其是自 控制 域 ) 最具影响力、也是 最有活力的 件。它起源于矩 运算，并已 展成一种高度集成的 算机 言。 它提供了 大的科学运算、 灵活的程序 流程、 高 量的 形可 化与界面 、与其他程序和 言的便捷接口的功能。 Matlab 言在各国高校与研究 位 起着重大的作用。主成分分析是把原来多个 量划 少数几个 合指 的一种 分析方法，从数学角度来看， 是一种降 理技 。 1.1 主成分分析计算步骤 ① 算相关系数矩 r11 r12 r1 p r21 r22 r2 p R r p1 r p 2 rpp （1） 在（3.5.3）式中， r ij （ ， j=1 ， ，?， ） 原 量的 xi 与 xj 之 的相关系 i 2 p 数，其 算公式 n (xki xi )( xkj x j ) rij k 1 n n (xki xi ) 2 (xkj x j ) 2 k 1 k 1 （ 2） 因 R 是 称矩 （即 r ij =r ji ），所以只需 算上三角元素或下三角元素即可。 ② 算特征 与特征向量 首先 解特 征方 程 I R 0 ，通 常用 雅可 比法（ Jacobi）求 出特 征 i (i 1,2, , p) ，并使其按大小 序排列，即12, p 0 ；然后分 求 p eij2 出 于特征 i 的特征向量 ei (i 1,2, , p) 。 里要求 ei =1，即 1，其 j 1 eij 表示向量 ei 的第 j 个分量。 算主成分 献率及累 献率主成分 zi 的 献率 i (i 1,2, , p) p k k 1 累 献率 i k k 1 (i 1,2, , p) p k 1 k 一般取累 献率达 85 — 95% 的特征 1 , 2 , , m 所 的第一、第 二， ?，第 m（m≤ p）个主成分。 ④ 算主成分 荷 其 算公式 lij p( zi , x j ) i eij (i , j 1,2, , p) （3） 得到各主成分的载荷以后，还可以按照（ 3.5.2）式进一步计算，得到各主成 分的得分 z11 z12 z1m z21 z22 z2 m Z zn1 zn 2 znm （4） 程序结构及函数作用 在软件 Matlab 中实现主成分分析可以采取两种方式实现：一是通过编程来 实现；二是直接调用 Matlab 种自带程序实现。下面主要主要介绍利用 Matlab 的 矩阵计算功能编程实现主成分分析。 2.1 程序结构 Cwprint.m 主函数 子函数 Cwstd.m Cwfac.m Cwscore.m 2.2 函数作用 Cwstd.m——用总和标准化法标准化矩阵 Cwfac.m——计算相关系数矩阵；计算特征值和特征向量；对主成分进行排 序；计算各特征值贡献率；挑选主成分（累计贡献率大于 85%），输出主成分个 数；计算主成分载荷 Cwscore.m——计算各主成分得分、综合得分并排序 Cwprint.m ——读入数据文件；调用以上三个函数并输出结果 源程序 3.1 cwstd.m 总和标准化法标准化矩阵 %cwstd.m, 用总和标准化法标准化矩阵 function std=cwstd(vector) cwsum=sum(vector,1); %对列求和 [a,b]=size(vector); %矩阵大小 ,a 为行数 ,b 为列数 for i=1:a for j=1:b std(i,j)= vector(i,j)/cwsum(j); end end 3.2 cwfac.m 计算相关系数矩阵 %cwfac.m function result=cwfac(vector); fprintf( 相关系数矩阵 :\n) std=CORRCOEF(vector) % 计算相关系数矩阵 fprintf( 特征向量 (vec) 及特征值 (val) ： \n) [vec,val]=eig(std) % 求特征值 (val) 及特征向量 newval=diag(val) ; [y,i]=sort(newval) ; %对特征根进行排序，  (vec) y 为排序结果，  i 为索引 fprintf( 特征根排序： \n) for z=1:length(y) newy(z)=y(length(y)+1-z); end fprintf(%g\n,newy) rate=y/sum(y); fprintf(\n 贡献率： \n) newrate=newy/sum(newy) sumrate=0; newi=[];