PCA-matlab

Principle component analysis, matlab code

function  [pdataPCV] = pca1（data）
% PCA1:   Perform principal component analysis using covariance.
%
% Usage:  [pdataPCV] = pca1（data）
%
% Principal Component Analysis （PCA） is a method of diagonlizing
% the covarince matrix of a data set. In real world applications
% this means that the PCA can find the bases which maximize the
% variance and allow for easier dimesional reduction. There are
% several algorithms for implementing this analysis. This
% method involves the explicit calculation of the covariance.
%
% Arguments:
%
%     data - matrix （MxN） where M is the number of dimensions of
%            the data set and N is the number of data set trials.
%
%            In other words each row is one type of variable and
%            each column is is observation of the data set （with M
%            variables）
%
% Outputs:
%
%  pdata - the projected data. This MxN matrix is the original data
%          set projected on to the principal component basis. This
%          is basically

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

     文件       3826  2002-08-26 10:28  pca\pca1.m

     文件       2570  2003-03-20 14:02  pca\pca2.m

     目录          0  2003-03-20 14:02  pca

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

                 6396                    3