PCA演算法學習 2 PCA理論的matlab實現

pca演算法學習_2(pca理論的matlab實現)

前言

在前面的博文

pca演算法學習_1(opencv中pca實現人臉降維)中已經初步介紹了pca演算法的大概流程及在人臉降維上面的應用。本文就進一步介紹下其理論基礎和matlab的實現（也是網上學者的**）。

開發環境：matlab2012a

基礎

假設x是乙個m*n的矩陣，是由樣本資料構成的矩陣。其中m表示樣本的屬性維數，n表示樣本的個數。現在要對x進行線性變換變成另乙個矩陣y，使得y的協方差矩陣為對角矩陣，這樣的y就認為是對原始矩陣x提取主成分後的矩陣，實際過程中只需取y的前面主要的行即可。

x變換到y的線性變換公式為:

x和y的協方差計算方法為：

從下面的公式可以看出cy和cx的關係為：

因為cx是對稱矩陣，對cx進行特徵值分解就可以將其變換成對角矩陣，見下面的公式推導：

公式中的p和e滿足：

其中d是由cx的特徵向量構成的對角矩陣。p是線性變換矩陣，p的每一行都是cx矩陣的特徵向量，且p是正交矩陣，一般情況下把特徵值大的特徵向量排在矩陣前面幾行。

由此可知，求出p後就可以求出x主成分矩陣了。

另外，還可以求出pca的白化矩陣，pca的白化矩陣就是特徵向量去相關的矩陣，白化矩陣的協方差陣一般為單位矩陣，在pca中可以這麼求：inv(sqrt(d))*e'。普通的pca演算法可以將輸入矩陣x變成主成分矩陣y，儘管y的協方差矩陣是個對角矩陣，但不一定是單位矩陣，如果對y繼續使用白化操作，則y的協方差矩陣就變成了單位矩陣了。

原始碼

該pca函式介面形式為：

[y,v,e,d] = pca(x)

其中x為輸入資料，x的每一列是乙個輸入樣本。返回值y是對x進行pca分析後的投影矩陣。v是與x有關的協方差矩陣特徵向量的白化矩陣，e是對應的特徵向量（列）構成的矩陣，d是對應的特徵值構成的對角矩陣（特徵值處於對角線上）。返回值中的白化矩陣，特徵向量和特徵值都是按照對應特徵值大小進行排序後了的。

其matlab原始碼如下：

function [y,v,e,d] =pca(x)
% do
pca on image patches
%%input variables:
% x                  matrix with image patches as
columns
%%output variables:
%y                  the project matrix of the input data x without whiting
%v                  whitening matrix
%e                  principal component transformation (orthogonal)
%d                  variances of the principal components
%去除直流成分
x = x-ones(size(x,1),1)*mean(x);
% calculate the eigenvalues and eigenvectors of the new
covariance matrix.
covariancematrix = x*x'
/size(x,2); %求出其協方差矩陣
%e是特徵向量構成，它的每一列是特徵向量，d是特徵值構成的對角矩陣
%這些特徵值和特徵向量都沒有經過排序
[e, d] =eig(covariancematrix); 
%sort the eigenvalues  and recompute matrices
%因為sort函式是公升序排列，而需要的是降序排列，所以先取負號,diag(a)是取出a的對角元素構成
%乙個列向量，這裡的dummy是降序排列後的向量，order是其排列順序
[dummy,order] = sort(diag(-d));
e = e(:,order);%將特徵向量按照特徵值大小進行降序排列，每一列是乙個特徵向量
y = e'
*x;d = diag(d); %d是乙個列向量
%dsqrtinv是列向量，特徵值開根號後取倒,仍然是與特徵值有關的列向量
%其實就是求開根號後的逆矩陣
dsqrtinv = real(d.^(-0.5
)); 
dsqrtinv = diag(dsqrtinv(order));%是乙個對角矩陣，矩陣中的元素時按降序排列好了的特徵值（經過取根號倒後）
d = diag(d(order));%d是乙個對角矩陣，其對角元素由特徵值從大到小構成
v = dsqrtinv*e'
;%特徵值矩陣乘以特徵向量矩陣

pca演算法學習_2(pca理論的matlab實現)

PCA演算法學習 2 PCA理論的matlab實現

PCA演算法學習 2 PCA理論的matlab實現

PCA演算法學習 2 PCA理論的matlab實現

PCA演算法學習 2 PCA理論的matlab實現

相關推薦