河北模板网站建设,建站中企动力,php用户管理系统源码,最新的军事新闻input_data rand(1000,3);%随机生成1000个样本#xff0c;每个样本有x,y,z三个属性 figure(1);%控制画图的窗口为1hold off;%使当前轴和图形不再具备被刷新的性质#xff0c;关闭在此基础上再画图plot3(input_data(:,1), input_data(:,2), input_data(:,3), ‘ro‘);%% Func…input_data rand(1000,3);%随机生成1000个样本每个样本有x,y,z三个属性 figure(1);%控制画图的窗口为1hold off;%使当前轴和图形不再具备被刷新的性质关闭在此基础上再画图plot3(input_data(:,1), input_data(:,2), input_data(:,3), ‘ro‘);%% Function PCA, input_data, out_dim% Use this to switch methodsuse_svd_method1;%改为0后采用EIG方式求解默认采用SVD方法out_dim 2;[count in_dim] size(input_data);% SVD方法求解PCA计算步骤此处不详解可查看关于PCA的另外两篇博文if (use_svd_method)sub_input_data (input_data - repmat(mean(input_data),count,1))/sqrt(count-1);%repmat(a,m,n)就是将矩阵扩充为m行n列个矩阵a此处是指将mean(input_data)扩充为1000行1列结果就是将input_data每列的均值重复1000遍生成一个1000*3的矩阵sqrt是求开方[U,S,V] svd(sub_input_data);% First out_dim columns as PCA basespcaV V(:,1:out_dim);output_data input_data * pcaV;else% EIG 特征值分解方法求解PCAmean_input_data mean(input_data);sub_input_data input_data - repmat(mean_input_data, count,1);mean_mat sub_input_data‘ * sub_input_data ./ (count - 1);cov_mat mean_mat;[V D] eig(cov_mat);% Last out_dim columns as PCA basespcaV V(:,in_dim - out_dim 1: in_dim);output_data input_data * pcaV;end%% End Function PCA%% Visualize Output Datafigure(2);hold off;plot(output_data(:,1), output_data(:,2), ‘bo‘);%bo代表blue颜色的o(圆圈)原数据展示图降维后的展示图原文http://my.oschina.net/dfsj66011/blog/513387
