主分量分析与统计模式识别实验报告.doc

成绩 辽宁工程技术大学上机实验报告 实验名称 主分量分析与统计模式识别 院系 理学院 专业 信科 班级 09-1班 姓名 雷雨萌 学号 0911010107 日期 2011-12-20 实验 目的 简述本次实验目的： 1、了解教学选定的统计分析软件的基本特点 2、会用统计软件进行数据描述 3、会用统计软件完成实际问题的主分量分析 4、会用统计软件完成实际问题的统计模式识别 实验 准备 你为本次实验做了哪些准备： 认真学习了课本上关于典型相关分析的知识，同时巩固概率的基础，进行总结，不懂得地方上网收集并查找有关资料。 实验 进度 本次共有 1 个练习，完成 1 个。 实验 总结 日 本次实验的收获、体会、经验、问题和教训： 1、使用MATLAB求自相关系数、互相关系数、典型相关系数和组合系数： function [R,CCORR,ALPHA,BETA,LAMDA,Rxx,Ryy,Rxy]=cca(X,Y) % CCA由两组变量的相关矩阵求典型相关系数和典型变量 % 语法%[R,CCORR,ALPHA,BETA,LAMDA,Rxx,Ryy,Rxy]=cca(X,Y) % X——第1组多维随机变量的“np”数据矩阵 % Y——第2组多维随机变量的“nq”数据矩阵 % R——X与Y的相关系数矩阵 % CCORR——典型相关系数 % ALPHA——X的典型变量（系数） % BETA——Y的典型变量（系数） % LAMDA——典型决策系数（典型相关系数的平方） % ——X的自相关系数矩阵 % ——Y的自相关系数矩阵 % ——X与Y的互相关系数矩阵 [n,p]=size(X); [n,q]=size(Y); Z=[X,Y]; % 求相关系数矩阵以及剖分 R=corrcoef(Z); Rxx=R(1:p,1:p); Ryy=R(p+1:end,p+1:end); Rxy=R(1:p,p+1:end); Ryx=Rxy; % 求典型变量（系数）和典型相关系数 MF=sqrtm(inv(Rxx))*Rxy*inv(Ryy)*Ryx*sqrtm(inv(Rxx)); MG=sqrtm(inv(Ryy))*Ryx*inv(Rxx)*Rxy*sqrtm(inv(Ryy)); [LF,LAMDA]=eigs(MF); [LG,LAMDA]=eigs(MG); LAMDA=diag(LAMDA); CCORR=sqrt(LAMDA); ALPHA=LF*sqrtm(inv(Rxx)); BETA=LG*sqrtm(inv(Ryy)); 输入14个城市的收入矩阵和支出矩阵： X=[14339.5,2735.7,166.0,6719.3;15820.3,1630.3 ,625.2,7147.1;10546.8,1214.1, 482.0,7843.9;9121.3,820.7,133.6,6710.9;10789.1,1267.4,342.5,6239.0; 8601.8,932.5 69.7,6523.3;10081.3,3246.1,161.3,5395.5;10287.9,2661.35, 228.6,6483.9;8386.3,805.93,163.3,4348.3;10570.9,1763.32,128.9, 6172.6;18229.9,875.51,223.6,5181.1;7763.1 ,1008.03,97.6,5637.6;8091.2, 701.54,93.0,5034.5;9213.0,2997.52 ,331.7,6285.9]; Y=[5384.8,2139.7,1032.0,1448.0,2428.3,2359.3,1364.9,804.6,2742.6, 2974.4;6145.2 ,1676.0,994.8,1128.2,2519.6,1741.8,1741.6,623.6 ,4909.4, 3381.0;4671.4 ,1490.8,719.8,1080.9,2095.5,1374.7,1572.2,704.4,2741.0, 1392.2;4041.1,975.7,473.1,895.4,1196.7,1090.2,900.6 ,433.8,4121.7, 1291.5;4779.8 ,1583.5,712.9,976.6,1321.4,1291.6,907.7,545.9,4564.7, 1662.7;4470.3,1118.6,675.9,1129.9,1110.8,1032.8,1402.4,382.1,1668.5, 1428.1;4190.9 ,14