CCA的matlab小实验

最新推荐文章于 2025-06-08 11:20:40 发布

xiaoshengforever

最新推荐文章于 2025-06-08 11:20:40 发布

阅读量7.3k

点赞数 1

CC 4.0 BY-SA版权

分类专栏：机器学习/模式识别

本文链接：https://blog.youkuaiyun.com/xiaoshengforever/article/details/30274373

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