CCA的matlab小实验

本文介绍了使用MATLAB进行Canonical Correlation Analysis(CCA)的小实验,通过0均值处理和降维操作,展示了CCA如何不同于PCA,更接近于LDA在多标签场景的扩展,从而验证了CCA的性能。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

最近在看CCA,为了证明CCA的性能,自己写了一个matlab代码

有关CCA的网页   http://www.cnblogs.com/jerrylead/archive/2011/06/20/2085491.html


Y1=[1,0;1,0;1,1;0,1;0,1;1,1;1,0;1,0];
X1=[-5,3;-4,3;-2,2;-1,1;2,0.5;3,2;6,3;7,4];
mean1=mean(X1);%0均值处理
for i=1:8
X1(i,:)=X1(i,:)-mean1;
end
mean1=mean(Y1);
for i=1:8
Y1(i,:)=Y1(i,:)-mean1;
end
M=inv(X1'*X1+eye(2))*(X1'*Y1*inv(Y1'*Y1+eye(2))*Y1'*X1);%求得特征值分解目标函数
[D,I]=eigs(M);
w=D(:,1);%求得投影向量
X2=X1*w;%降维

0均值处理后的Y1

评论 5
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