%---------start of code---------
function [Dir vMax vMin] = PCA(Data)
% 输入为二维数据组. Data 为 2*K
% 以[-pi/2,pi/2]之间的角度pi表示方向
% 以vMax, vMin表示点集X在主方向和垂直主方向的度量
% 1.去除均值
[buf K] = size(Data);
miu = mean(Data')';
for k=1:K
Data(:,k) = Data(:,k)-miu;
end;
sigma = zeros(2,2);
% 2.计算协方差
for k=1:K
x = Data(:,k);
sigma = sigma+x*x';
end;
sigma = sigma/K;
% 3.特征分解
[V,D] = eig(sigma);
if (D(1,1)<D(2,2)) % 把较大的特征值对应的向量挪到第一行
buf = V(1,:);
V(1,:) = V(2,:);
V(2,:) = buf;
end;
% 4.求解主方向向量
res = inv(V)*[1;0];
Dir = atan(res(2)/res(1))/pi*180;
% 5.求圆度
vMax = 0;
vMin = 0;
for k=1:K
x = Data(:,k);
y = V*x;
vMax = vMax+abs(y(1));
vMin = vMin+abs(y(2));
end;
%----------- end of code-----------------
PCA 图像主方向和圆度
2008-03-16 15:44
令x = (p,q)'为一个样本点。 可有如下算法: miu = (x1+x2+...+xK)/K 为均值向量 对sigma进行特征分解,按照特征值从大到小的顺序,有特征矩阵V,其每一行对应一个特征向量 解方程 V*T = (1 0)' 对全部样本点,分别计算其在主方向和垂直主方向上的投影 matlab代码如下
定义一个变量 Flat = vMax/vMin。表示点集偏离圆形的程度。一下给出一些实例
来源:http://hi.baidu.com/irmosgarden/blog/item/f033d90798f52dc97b894748.html
|