如何用matlab来进行主成分分析法的案例
2016-05-22
展开全部
function [lambda,T,fai]=MSA2(A)
%求标准化后的协差矩阵,再求特征根和特征向量
%标准化处理
[p,n]=size(A);
for j=1:n
mju(j)=mean(A(:,j));
sigma(j)=sqrt(cov(A(:,j)));
end
for i=1:p
for j=1:n
Y(i,j)=(A(i,j)-mju(j))/sigma(j);
end
end
sigmaY=cov(Y);
%求X标准化的协差矩阵的特征根和特征向量
[T,lambda]=eig(sigmaY);
% disp('特征根(由小到大):');
% disp(lambda);
% disp('特征向量:');
% disp(T);
%方差贡献率;
Xsum=sum(sum(lambda,2),1);
for i=1:n
fai(i)=lambda(i,i)/Xsum;
end
% disp('方差贡献率:');
% disp(fai);
u=T(:,n);
B=[];
h=length(A(:,1));
for k=1:n
m1=mean(A(:,k));
t=(A(:,k)-m1).^2;
m2=sqrt(sum(t))/(h-1);
B=[B,(A(:,k)-m1)./m2];
end
y=B*u;
x1=1:1:length(y);
plot(x1,y);
xlabel('时间/小时')
ylabel('综合指标')
title('综合指标-时间曲线')
%求标准化后的协差矩阵,再求特征根和特征向量
%标准化处理
[p,n]=size(A);
for j=1:n
mju(j)=mean(A(:,j));
sigma(j)=sqrt(cov(A(:,j)));
end
for i=1:p
for j=1:n
Y(i,j)=(A(i,j)-mju(j))/sigma(j);
end
end
sigmaY=cov(Y);
%求X标准化的协差矩阵的特征根和特征向量
[T,lambda]=eig(sigmaY);
% disp('特征根(由小到大):');
% disp(lambda);
% disp('特征向量:');
% disp(T);
%方差贡献率;
Xsum=sum(sum(lambda,2),1);
for i=1:n
fai(i)=lambda(i,i)/Xsum;
end
% disp('方差贡献率:');
% disp(fai);
u=T(:,n);
B=[];
h=length(A(:,1));
for k=1:n
m1=mean(A(:,k));
t=(A(:,k)-m1).^2;
m2=sqrt(sum(t))/(h-1);
B=[B,(A(:,k)-m1)./m2];
end
y=B*u;
x1=1:1:length(y);
plot(x1,y);
xlabel('时间/小时')
ylabel('综合指标')
title('综合指标-时间曲线')
推荐律师服务:
若未解决您的问题,请您详细描述您的问题,通过百度律临进行免费专业咨询