PCA降维技术

利用PCA技术实现对数据的降维技术 将194*39维降到194*12维 亲测可用

%程序说明：PCA= pca（X），程序中X为 n*m阶混合数据矩阵，m为信号个数即变量的个数，n为采样点数即样本个数
% T为主分量矩阵P为得分向量矩阵，Q和T2为统计量。

%function PCA= pca（X）
tic;
%load matlab.mat
load data1.txt
X=data1（:1:39）;
if X == 0
error（‘You must supply the mixed data as input argument.‘）;%判断是否输入数据
end
if length（size（X））>2
error（‘Input data can not have more than two dimensions. ‘）;%判断输入数据维数
end
if any（any（isnan（X）））
error（‘Input data contains NaN‘‘s.‘）;%判断输入数据是否含有非数值的数据
end

%——————————————标准化数据（首先去均值，然后标定到单位方差）————————————
a=0.99;
meanValue = mean（X）; %求采集数据的样本均值
e=ones（size（X1）1）;
s=std（X）;
d=diag（s.^-10）;
fprintf（‘Normalizing the input data X：\n‘）;
normX = （X - e*meanValue）*d; %将采集数据去均值并标准化
[NumofSamplDim] = size（X）; %最初采集数据的维数及每个变量样本的个数
oldDim = Dim;  %最初变量个数，即数据的维数
fprintf（‘Number of process variables: %d\n‘Dim）;
fprintf（‘Number of 

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

     文件      54623  2016-10-18 16:15  PCA\data.txt

     文件      26308  2016-10-18 16:23  PCA\data1.txt

     文件      38817  2016-10-21 12:51  PCA\figure1.PNG

     文件      27384  2016-10-21 12:51  PCA\figure2.PNG

     文件      27969  2016-09-30 10:30  PCA\kc3.arff

     文件      27384  2016-10-18 16:01  PCA\kc3.csv

     文件      86016  2016-10-18 16:02  PCA\kc3.xls

     文件      18222  2016-10-21 15:45  PCA\matlab.mat

     文件       5726  2016-10-18 16:23  PCA\PCA.m

     文件         76  2017-03-10 08:56  PCA\readme.txt

     目录          0  2017-01-10 18:50  PCA

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

               312525                    11