PCA算法实现

于 2015-05-15 14:33:35 发布
阅读量737 收藏
点赞数
分类专栏： 算法 文章标签： 人工智能 c/c++
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/LZEP2015/article/details/45744359
版权

         PCA在视觉算法中有着重要的应用，是常见的降维方法，它属于无监督学习的范畴。关于PCA的理论在其它博客中也非常常见，本文利用C++实现了PCA的功能，基于该程序做改动，可以将PCA运用于自己的项目需求中。

 

#ifndef _PCA_H_
#define _PCA_H_
#include<iostream>
#include<cstdlib>
#include<malloc.h>
#include<string.h>
#include<cmath>
using namespace std;
template<typename T>
struct key_val
{
    int key;
    T* val;
};
template<typename T>
struct DSet
{
   int nDim;
    T* nElement;
   DSet()
   {
   	 nElement=NULL;
   	 nDim=0;
   }
};
/*template<typename T>
int compare(const T* a,const T* b )
{
	return ((*(T*)a-*(T*)b)>0?1:0;
}*/
template<class T>
class PCA
{
public:
	PCA(int nSample,int nDim);
	~PCA();
	bool Load_Pca_Data(DSet<double> m_Set[]);
	bool Compute_Eigen_Matrix();
	void Print_Feature_Value();
	T* get_Projection_matrix();
	DSet<double> get_mean_vector();
	int get_nr();
	//T get_thresh();
private:
	DSet<double> mean_Set;
	T* Set;
	T* PSet;
	T* Mean_Matrix;
	T* Conv_Matrix;
	T* Eigen_Vector;
	T* Eigen_Val;
	//T  Thresh;

    int dim;
    int sample;
    int nR;
    float ratio;
    bool isLoad;
    bool isCompute;
    bool isProjection;

};



template<class T>
PCA<T>::PCA(int nSample,int nDim)
{
	sample=nSample;
	dim = nDim;
	nR=0;
	ratio=0.85;
    //Thresh=0;
    isProjection=false;

	Mean_Matrix=(T*)malloc(nSample*nDim*sizeof(T));
	Conv_Matrix=(T*) malloc(nDim*nDim*sizeof(T));
	Eigen_Vector=(T*)malloc(nDim*nDim*sizeof(T));
	Eigen_Val=(T*)malloc(nDim*sizeof(sizeof(T)));
	Set=(T*)malloc(nSample*nDim*sizeof(T));
	mean_Set.nDim=dim;
    mean_Set.nElement=(T*)malloc(dim*sizeof(T));
    memset((void*) mean_Set.nElement,0,dim*sizeof(T));
	PSet=NULL;

	memset((void*)Conv_Matrix,0,nDim*nDim*sizeof(T));
	memset((void*)Eigen_Vector,0,nDim*nDim*sizeof(T));
	memset((void*)Eigen_Val,0,nDim*sizeof(T));

	for(int i=0;i<nDim;i++) Eigen_Vector[i*nDim+i]=1;

	isLoad=false;
    isCompute=false;
}


template<class T>
PCA<T>::~PCA()
{
	if(Mean_Matrix) free(Mean_Matrix);
	if(Conv_Matrix) free(Conv_Matrix);
	if(Eigen_Vector) free(Eigen_Vector);
	if(Eigen_Val) free(Eigen_Val);
	if(Set) free(Set);
	if(PSet) free(PSet);
}
template<class T>
bool PCA<T>::Load_Pca_Data(DSet<double> m_Set[])
{
	//int nLen=sizeof(m_Set)/sizeof(m_Set[0]);
	//if(nLen!=sample)  {printf("error,the length of set must be %d\n",nLen); return false;}
    printf("print input data\n");
    for(int i=0;i<sample;i++)
    {
    	if(m_Set[i].nDim!=dim) {printf("error,the dim of set must be %d\n",dim); return false;}
    	for(int j=0;j<m_Set[i].nDim;j++)
    	{
    		 Set[j*sample+i]=m_Set[i].nElement[j];
             mean_Set.nElement[j]+=m_Set[i].nElement[j]/sample;
             if((j+1)%dim==0) printf("%f\n",Set[j*sample+i]);
             else printf("%f ",Set[j*sample+i]);
    	}
    }

    printf("Conv_Matrix\n");
    for(int i=0;i<dim;i++)
     for(int j=0;j<dim;j++)
     {
      for(int k=0;k<sample;k++)
     	Conv_Matrix[i*dim+j]+=(m_Set[k].nElement[i]-mean_Set.nElement[i])*(m_Set[k].nElement[j]-mean_Set.nElement[j]);
      if((j+1)%dim==0) printf("%f\n",Conv_Matrix[i*dim+j]);
      else printf("%f ",Conv_Matrix[i*dim+j]);
     }

    printf("mean vector\n");
    for(int k=0;k<dim;k++) printf("%f ",mean_Set.nElement[k]);
    printf("\n");
    for(int i=0;i<sample;i++)
     for(int j=0;j<dim;j++)
     {
	 
     	Mean_Matrix[i*dim+j]=m_Set[i].nElement[j]-mean_Set.nElement[j];
     }

    isLoad=true;
    return true;
}

//利用雅克比法求矩阵特征值和特征向量
template<class T>
bool PCA<T>::Compute_Eigen_Matrix()
{
	if(!isLoad) {printf("Please Load set first!\n"); return false;}

	int iter=0,MaxIter=400;
	T rr,rc,cc;
	T eps=0.01;
    //for(int i=0;i<dim;i++) Eigen_Vector[i*dim+i]=Conv_Matrix[i*dim+i];
	for(;;)
	{
		T max=Conv_Matrix[1];
		int row=0;
		int col=1;
		for(int i=0;i<dim;i++)
		 for(int j=0;j<dim;j++)
		 {
            if(i!=j&&fabs(Conv_Matrix[i*dim+j])>max)
            {
            	row=i;
            	col=j;
            	max=fabs(Conv_Matrix[i*dim+j]);
            }
		 }

         if(max<eps) break;

		 rr= Conv_Matrix[row*dim+row];
		 rc= Conv_Matrix[row*dim+col];
		 cc= Conv_Matrix[col*dim+col];

		 T theta=0.5*atan2(-2*rc,cc-rr);
		 T stheta=sin(theta);
		 T ctheta=cos(theta);
		 T s2theta=sin(2*theta);
		 T c2theta=cos(2*theta);

		 Conv_Matrix[row*dim+row]=rr*ctheta*ctheta+cc*stheta*stheta+2*rc*ctheta*stheta;
		 Conv_Matrix[col*dim+col]=rr*stheta*stheta+cc*ctheta*ctheta-2*rc*ctheta*stheta;
		 Conv_Matrix[row*dim+col]=0.5*(cc-rr)*s2theta+rc*c2theta;
		 Conv_Matrix[col*dim+row]=Conv_Matrix[row*dim+col];

		 for(int i=0;i<dim;i++)
		 {
            if((i!=col)&&(i!=row))
            {

            	int s=Conv_Matrix[i*dim+row];
            	Conv_Matrix[i*dim+row]=Conv_Matrix[i*dim+col]*stheta+s*ctheta;
            	Conv_Matrix[i*dim+col]=Conv_Matrix[i*dim+col]*ctheta-s*stheta;
            }
		 }


		 for(int i=0;i<dim;i++)
		 {
            if((i!=col)&&(i!=row))
            {

                int s=Conv_Matrix[row*dim+i];
            	Conv_Matrix[row*dim+i]=Conv_Matrix[col*dim+i]*stheta+s*ctheta;
            	Conv_Matrix[col*dim+i]=Conv_Matrix[col*dim+i]*ctheta-s*stheta;
            }
		 }

		 for(int i=0;i<dim;i++)
		 {
		 	int s=Eigen_Vector[i*dim+row];
		 	Eigen_Vector[i*dim+row]=Eigen_Vector[i*dim+col]*stheta+s*ctheta;
		 	Eigen_Vector[i*dim+col]=Eigen_Vector[i*dim+col]*ctheta-s*stheta;
		 }

		 iter=iter+1;
		 if(iter>MaxIter) break;
	}


    int* flag=(int*)malloc(dim*sizeof(int));
    int* flag1=(int*)malloc(dim*sizeof(int));
    int index;
    memset(flag,-1,dim*sizeof(int));
    for(int i=0;i<dim;i++)
    {
    	//if(flag[i]!=-1) continue;
    	T temp1=Conv_Matrix[i*dim+i];
    	index=0;
    	for(int j=0;j<dim;j++)
    	{
    		
    		if(flag[i]==-1&&flag[j]==-1)
    		{
    		if(temp1<Conv_Matrix[j*dim+j])
    		{
                index=j;
                T temp2;
                temp2=Conv_Matrix[j*dim+j];
                temp1=temp2;
    		}
           }
    	}
    	flag[index]=i;
		flag1[i]=index;	
    }

    T* temp=(T*)malloc(dim*dim*sizeof(T));
    printf("Eigen vector\n");
    for(int i=0;i<dim;i++)
    {
    	Eigen_Val[i]=Conv_Matrix[flag1[i]*dim+flag1[i]];
      for(int j=0;j<dim;j++)
      {
      	 temp[i*dim+j]=Eigen_Vector[flag1[i]*dim+j];
      	 printf("%f ",Eigen_Vector[i*dim+j]);
	  }
	  printf("\n");
    	
    }
    
    memcpy(Eigen_Vector,temp,dim*dim*sizeof(T));

    T sum=0;
    int count=0;
    for(int i=0;i<dim;i++)
    {
    	sum+=abs(Eigen_Val[i]);
    	
    	
    }
    T sum1=0;
    for(int i=0;i<dim;i++)
    {
    	sum1+=abs(Eigen_Val[i]);
    	count=count+1;
    	if(sum1/sum>ratio) break;
    }

    nR=count;
    if(temp) free(temp);
    if(flag) free(flag);
    if(flag1) free(flag1);
    isCompute=true;
    return true;
}

template<class T>
void PCA<T>::Print_Feature_Value()
{
	printf("The main feature value is:\n");
	for(int i=0;i<dim;i++)
		printf("%f ",Eigen_Val[i]);
	printf("\n");
}

template<class T>
T* PCA<T>::get_Projection_matrix()
{
	if(!isCompute) return 0;

	T* res=(T*)malloc(nR*dim*sizeof(T));
    memcpy(res,Eigen_Vector,nR*dim*sizeof(T));

    isProjection=true;
    return res;
}

template<class T>
DSet<double> PCA<T>::get_mean_vector()
{
	if(!isLoad) printf("Please Load training data first\n");

	return mean_Set;
}

template<class T>
int PCA<T>::get_nr()
{
	return nR;
}

/*templeat<class T>
T PCA<T>::get_thresh()
{
	if(!isProjection) return 0;
	T argmax=0;
	PSet=(T*)malloc(nSample*nr*sizeof(T));
	memset(PSet,0,nSample*nr*sizeof(T));
	for(int i=0;i<nSample;i++)
	{
	   for(int j=0;j<nr;j++)
	   {
         PSet[j*nr+i]+=
	   }
	}
}*/

#endif // PCA_H_INCLUDED


 

//#include <iostream>

/* run this program using the console pauser or add your own getch, system("pause") or input loop */

/*int main(int argc, char** argv) {
	return 0;
}*/

#include"pca.h"
#include<ctime>
double* PCA_Test(double* pmatrix,double* input_vector,int nDim,int nr,DSet<double> &m_vector)
{
   double* res=(double*)malloc(nr*sizeof(double));
   memset((void*)res,0,nDim*nr*sizeof(double));
   for(int i=0;i<nr;i++)
   {
   	 for(int j=0;j<nDim;j++)
   	 {
   	 	res[i]+=pmatrix[i*nDim+j]*(input_vector[j]-m_vector.nElement[j]);
   	 	printf("%f\n",pmatrix[i*nDim+j]);
   	 }
   }
   return res;
}

int main(int argc,char* argv[])
{
	const int nSample=7;
	const int nDim=2;
	DSet<double> m_set[nSample];
	
	for(int i=0;i<nSample;i++)
    {
        m_set[i].nElement=(double*)malloc(nDim*sizeof(double));
        m_set[i].nDim=nDim;
        for(int j=0;j<nDim;j++)
        {
           srand(time(0));
           m_set[i].nElement[j]=j+i+rand()%(i+(i+1)*10);
        }
    }
	PCA<double> m_Pca(nSample,nDim);  //10 Training set with size 2
	m_Pca.Load_Pca_Data(m_set);
	m_Pca.Compute_Eigen_Matrix();
	m_Pca.Print_Feature_Value();
	DSet<double> m_vector=m_Pca.get_mean_vector();

	double* pmatrix=m_Pca.get_Projection_matrix();
    int nr=m_Pca.get_nr();
    printf("nr=%d\n",nr);

    //double* test_vector=(double*)malloc(nDim*sizeof(double));
    /*for(int i=0;i<nDim;i++)
    {
    	srand(time(0));
    	test_vector[i]=(i+2);
	}*/
	double test_vector[2]={-1.1,3.2};
	double* fvector=PCA_Test(pmatrix,test_vector,nDim,nr,m_vector);
	for(int i=0;i<nr;i++)
	{
		printf("fvector[%d]=%f\n",i,fvector[i]);
	}

    //if(test_vector) free(test_vector);
    if(fvector) free(fvector);
    
    printf("finish pca test\n");
    //system("pause");
	return 0;
}


 

LZEP2015
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值