pca 经典主成分分析法

经典主成分分析法，实现高光谱图像的降维处理

%PCA算法
clearclose all
%读数据
fid=freadenvi（‘shiyan‘）;
[MNband]=size（fid）;
%M=100;
%N=100;
%band=189;
%R=zeros（MNband）;
%for i=1:band;
 %    F=fread（fid[M N]‘int16‘）;
  % R（::i）=F; %取得第i波段光谱图像
%end
%fclose（fid）
%imshow（R（::1）[]）%显示第i波段图像
%协方差矩阵
r（1:band1:band）=0;
v（1:band）=0;
for i=1:M
    for j=1:N
        a（1:band）=fid（ij1:band）;
        r=r+a‘*a;
        v=v+a;
    end
end
r=r/（M*N）;
v=v/（M*N）;
C=r-v‘*v;%协方差矩阵cov（XY）=E（XY）-E（X）E（Y）
%主成分变换
[Tlambda]=eig（C）;%协方差矩阵的特征向量T
newlamda=diag（lambda）;                 %diag函数提取对角元素
[yi]=sort（newlamda）;                 %对特征值进行从小到大排序，y为排序后的值，i为序号
for z=1:length（y）
newy（z）=y（length（y）+1-z）;           %newy为按照特征值从大到小排序后的结果
end
rate=y/sum（y）   
newrate=newy/

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       1752  2013-09-26 10:25  pca.m

----------- ---------  ---------- -----  ----

                 1752                    1