matlab主成分分析散点图_主成分分析的matlab实现完整程序.doc

主成分分析的matlab实现完整程序

主成分分析

1.概述

Matlab语言是当今国际上科学界 (尤其是自动控制领域) 最具影响力、也是最有活力的软件。它起源于矩阵运算，并已经发展成一种高度集成的计算机语言。它提供了强大的科学运算、灵活的程序设计流程、高质量的图形可视化与界面设计、与其他程序和语言便捷接口的功能。 语言在各国高校与研究单位起着重大的作用① 计算相关系数矩阵

(1)

在(3.5.3)式中，rij(i，j=1，2，…，p)为原变量的xi与xj之间的相关系数，其计算公式为

(2)

因为R是实对称矩阵(即rij=rji)，所以只需计算上三角元素或下三角元素即可。

② 计算特征值与特征向量

首先解特征方程，通常用雅可比法(Jacobi)求出特征值，并使其按大小顺序排列，即；然后分别求出对应于特征值的特征向量。这里要求=1，即，其中表示向量的第j个分量。

③ 计算主成分贡献率及累计贡献率

主成分的贡献率为

累计贡献率为

一般取累计贡献率达85—95%的特征值所对应的第一、第二，…，第m(m≤p)个主成分。

④ 计算主成分载荷

其计算公式为

(3)

得到各主成分的载荷以后，还可以按照(3.5.2)式进一步计算，得到各主成分的得分

(4)

2.程序结构及函数作用

在软件Matlab中实现主成分分析可以采取两种方式实现：一是通过编程来实现；二是直接调用Matlab种自带程序实现。下面主要主要介绍利用Matlab的矩阵计算功能编程实现主成分分析。

2.1程序结构

主函数

子函数

2.2函数作用

Cwstd.m——用总和标准化法标准化矩阵

Cwfac.m——计算相关系数矩阵；计算特征值和特征向量；对主成分进行排序；计算各特征值贡献率；挑选主成分(累计贡献率大于85%)，输出主成分个数；计算主成分载荷

Cwscore.m——计算各主成分得分、综合得分并排序

Cwprint.m——读入数据文件；调用以上三个函数并输出结果

3.源程序

3.1 cwstd.m

%cwstd.m,用总和标准化法标准化矩阵

function std=cwstd(vector)

cwsum=sum(vector,1); %对列求和

[a,b]=size(vector); %矩阵大小,a为行数,b为列数

for i=1:a

for j=1:b

std(i,j)= vector(i,j)/cwsum(j);

end

end

3.2 cwfac.m

%cwfac.m

function result=cwfac(vector);

fprintf('相关系数矩阵:\n')

std=CORRCOEF(vector) %计算相关系数矩阵

fprintf('特征向量(vec)及特征值(val)：\n')

[vec,val]=eig(std) %求特征值(val)及特征向量(vec)

newval=diag(val) ;

[y,i]=sort(newval) ; %对特征根进行排序，y为排序结果，i为索引

fprintf('特征根排序：\n')

for z=1:length(y)

newy(z)=y(length(y)+1-z);

end

fprintf('%g\n',newy)

rate=y/sum(y);

fprintf('\n贡献率：\n')

newrate=newy/sum(newy)

sumrate=0;

newi=[];

for k=length(y):-1:1

sumrate=sumrate+rate(k);

newi(length(y)+1-k)=i(k);

if sumrate>0.85 break;

end

end %记下累积贡献率大85%的特征值的序号放入newi中

fprintf('主成分数：%g\n\n',length(newi));

fprintf('主成分载荷：\n')

for p=1:length(newi)

for q=1:length(y)

result(q,p)=sqrt(newval(newi(p)))*vec(q,newi(p));

end

end