1樓：匿名使用者
協方差矩陣呀 根據定義就可以知道兩者的不同呀 協方差本質是統計學裡的最小方差吧
主成分分析用相關係數矩陣和協方差矩陣有什麼區別
2樓：匿名使用者
相關係數矩陣：相當於消除量綱的表示變數間相關性的一個矩陣協方差矩陣：它是沒有消除量綱的表示變數間相關性的矩陣.
你對比下它們的等式變換關係：
r=cov(x,y)/d(x)d(y)
pca為什麼要用協方差矩陣
3樓：匿名使用者
要從投影開始，逐步計算到後面，經過拉格朗日乘子的最優化計算，計算變型之後得到是相關係數矩陣或協方差矩陣。
pca演算法中協方差矩陣是a'*a還是a*a'
4樓：
1、等價無窮小代換，並不在於 x 趨向於什麼，而在於函式的分子、分母、
冪次、複合變數的結果趨向於什麼。
2、sinx/x，原本是一個極為重要的 special limit，我們翻譯成重要極限。
但是在教學中，常常誤導為等價無窮小代換 sinx / x = x / x = 1。
這個前提是 x 趨向於 0。
c#中如何編寫pca演算法**？
5樓：匿名使用者
pca的處理步驟：
1，均值化
2，求協方差矩陣（我知道的有兩種方法，這是第一種，按部就班的求，第二種是：（a*a『/(n-1)））
3，求協方差的特徵值和特徵向量
4，將特徵值按照從大到小的順序排序，選擇其中最大的k個，然後將其對應的k個特徵向量分別作為列向量組成特徵向量矩陣
5，將樣本點投影到選取的特徵向量上
matlab實現源**
%pca演算法，matlab實現
function f=pcad(a,n)%a是m*n
%測試例項a=[2.5,0.5,2.
2,1.9,3.1,2.
3,2,1,1.5,1.1;2.
4,0.7,2.9,2.
2,3.0,2.7,1.
6,1.1,1.6,0.
9]%結果f=[0.8280，-1.7776，0.
9922，0.2742，1.6758，0.
9129，-0.0991，-1.1446，-0.
4380，-1.2238]
%pca第一步：均值化
x=a-repmat(mean(a,2),1,size(a,2))%去均值
%pca第二步：求特徵協方差矩陣
b=cov(x')%求協方差
%pca第三步：求特徵協方差矩陣的特徵值和特徵向量
[v,d]=eig(b)%求特徵值和特徵向量
%pca第四步：將特徵值按照從大到小的順序排序
d1=diag(d);%取出對角矩陣，也就是把特徵值提出來組成一個新的m*1的d1矩陣
[d2 index]=sort(d1); %特徵值以升序排序 d2是排序後的結果 index是數排序以前的排名位置
cols=size(v,2);% 特徵向量矩陣的列數
for i=1:cols %對特徵向量做相反位置的調整 是個降序排列。這個過程把特徵值和特徵向量同時做相應的降序排列
vsort(:,i) = v(:,index(cols-i+1) ); % vsort 是一個m*col(注:
col一般等於m)階矩陣，儲存的是按降序排列的特徵向量,每一列構成一個特徵向量
%vsort儲存的是協方差矩陣降序後的特徵向量，為m*m階
dsort(i) = d1(index(cols-i+1)); % dsort 儲存的是按降序排列的特徵值，是一維行向量，1*m
end %完成降序排列
m=vsort(:,1:n)%提取主成分量
%pca第五步：將樣本點投影到選取的特徵向量上
f=(x'*m)'%最終的投影
人臉識別pca演算法，子空間和投影到子空間怎麼理解？
6樓：匿名使用者
pca人臉識別是把所有影象看做是一個樣本，每張影象看成一行向量，有n張影象就有n行，所以這個樣本就可以看成是一個n行的矩陣。先求出這個矩陣的協方差矩陣，再求出這個協方差矩陣的特徵值，選擇特徵值中前m個最大的特徵值，這前m個最大的特徵值，每個都對應一個特徵向量（特徵向量也叫做特徵臉），這m個特徵向量組成一個m行的特徵矩陣，這個特徵矩陣就是「子空間」，也叫做特徵臉空間。所謂投影到子空間，就是把樣本中的一張影象看成一行向量，這個向量乘以特徵矩陣得到一個m維的向量，就是投影的結果，也是這張影象的特徵值。
7樓：
子空間比原始空間維數的一個空間。資料向子空間投影給你舉個例子吧：立體幾何，三維空間中的一條線，向一個平面投影。好好想想。
8樓：匿名使用者
這要用到 向量 有點複雜~~~
為什麼在drtoolbox中mds 和pca演算法一樣的
9樓：紀坦框
pca的處理步驟： 1，均值化 2，求協方差矩陣（我知道的有兩種方法，這是第一種，按部就班的求，第二種是：（a*a『/(n-1)）） 3，求協方差的特徵值和特徵向量 4，將特徵值按照從大到小的順序排序，選擇其中最大的k個，然後將其對應的k個特徵向量
為什麼pca求的協方差矩陣有負值
10樓：萌萌趙穎兒
直覺上就和隨機變數的方差是正的一個道理，嚴格的證明如下： 設隨機變數為x(都是n維的假設，且都是列向量)，其方差-協方差矩陣為： e(xx') - e(x)e(x') = e ， 這是因為你後，大括號裡就是xx' - e(x)x' - xe(x')。
STC12系列微控制器的PCA是指什麼,跟PWM有什麼區別
pca 可程式設計計數器陣列 stc手冊中把概念模組化了，他的pca包含兩個 捕獲 比較匹配 模組，可以實現上升沿 下降沿捕獲，及捕獲中斷，或者比較匹配中斷，或者pwm，或者最普通的定時 計數器。其實就是個功能稍微強大點的定時器 比如stc12c2052ad，它的pca是16位的計數器，計數脈衝可選...
64643664的簡便演算法是
64 64 36 64,64 36 64,100 64,6400 故答案為 正確.64 64 36 64的簡便計算?64x 36 64 64x100 6400 以上就是簡便方法。64 36 64 64 100 6400 64 64 36 64 簡便計算 觀察抄一下這個題目的資料,我們 襲發現,有公因...
10 3 4 5 11的簡便演算法是
7 22 15 44 29 44 7 10 1 3 1 4 簡便演算法？簡便演算法如下 7 10 1 3 1 4 21 30 10 30 1 4 11 30 1 4 22 60 15 60 7 60 這個題沒啥簡便演算法，直接算就可以了。7 11 1 5 4 11 3 5的簡便演算法是什麼？7 11...