求相关系数 matlab,能环水体治理项目(Matlab求相关系数,计算显著性)【七】...

通过与老师商议讨论重新制定了原始数据表,而在筛选过程中,有一个步骤是独立性检验,我们通过计算机来判断是否通过独立性检验,其中包括计算数据矩阵的相关系数和显著性。重新制定后的表如下图,我们这里用Excel表代替:

cd3ee6a29ca7cdcd371da100d1da4407.png

这里共有53行,52个指标,共有18列,后12列为12个时间节点的数据。

我们打算对这52个指标都进行相关系数的计算和显著性检验,首先我们可以取一个3*12的有原始数据的表进行计算,A=rawdata(2:4,7:18),这句代码的含义是取这个数据库表的第二到四行的7至18列数据,取完如下图所示:

f7605154a15425c9dd62ffa844962395.png

之后由于我们之前创建的cell结构体类型,而函数要对矩阵进行计算,所以要将结构体类型转换为double类型,语句如下:b=cell2mat(A);在右侧,我们也可以看到,A为3*12的cell,而b为3*12的double。

接下来,由于我们最后要得到3*3的相关系数表,所以要对矩阵进行转置,语句如下:c=b';

我们就对这个矩阵进行相关系数的计算,Matlab中计算的函数为:

[r,p] = corrcoef(c);之后运行一下:

01f43a2579302e18f8c2e80d45a4379b.png

其中r为相关系数,p为显著性,成功运行,之后我们要选出彼此都不相关的指标,我的想法是新建一个3*3的矩阵,全部置为1,之后如果满足相关系数大于0.8和显著性小于0.1的约束,便将其置为0,由于对角线必为1,所以这个矩阵只要每一列的和为1,就证明这个指标只与自己相关,这个指标便满足条件,所有代码如下:

close all; clear all; clc

[~,~,rawdata]=xlsread('shuizhili2.xlsx');

A=rawdata(2:4,7:18);

b=cell2mat(A);

c=b';

[r,p] = corrcoef(c)

B=ones(3,3);

for z=1:3

for u=1:3

if(1>r(z,u)>0.8&&p(z,u)<0.1)

B(z,u)=0;

end

end

end

for q=1:3

if(sum(B(:,q))==1)

rawdata(q+1,:)

end

end

运行,结果正确,接下来我们会进行可比性的公式计算,以及全部的筛选条件合并。

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1. 显著点的检测 Itti的A Model of Saliency-Based Visual Attention for Rapid Scene Analysis (TPAMI 1999)论文是显著性检测的鼻祖论文,检测出来的是用户关注的点。 2. 显著区域的检测 侯晓迪同学在2007年发表的一篇CVPR的论文,用很简单的方法检测了显著性区域,那之后显著性检测主要以区域检测为主:Saliency detection: A spectral residual approach (CVPR 2007),虽然之后有人诟病这篇论文有不足之处,但该想法简单,推动了显著性研究的普及。侯同学靠这一篇文章再加上投稿期间的趣事,就封神了。 3. 其他经典的显著性检测方法 在那之后陆续又有一些经典的显著性检测算法被提出:https://blog.csdn.net/touch_dream/article/details/78716507 可以看这个博文。 4. 基于深度学习的显著性检测 再之后,显著性检测领域就进入了Deep Learning时代, Deep Visual Attention Prediction TIP2018 (CODE)     https://github.com/wenguanwang/deepattention Predicting Human Eye Fixations via an LSTM-based Saliency Attentive Model (CODE)     https://github.com/marcellacornia/sam CVPR2016 Shallow and Deep Convolutional Networks for Saliency Prediction (CODE)     https://github.com/imatge-upc/saliency-2016-cvpr Saliency Detection with GAN (2017)     https://github.com/imatge-upc/saliency-salgan-2017  (CODE)     https://github.com/batsa003/salgan/ (PyTorch的版本) 5. 非自然图象的显著性检测 例如,海报的显著性检测,图表的显著性检测,地理数据的显著性检测等等。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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