协方差矩阵
-
-
matlab代码实现PCA的步骤
PCA的步骤：1 先将数据中心化；2 求得的协方差矩阵；3 求出协方差矩阵的特征值与特征向量；4 将特征值与特征向量进行排序；5 根据要降维的维数d’，求得要降维的投影方向；6 求出降维后的数据； -
PCA算法程序设计步骤
PCA算法程序设计步骤：1、去均值2、计算协方差矩阵及其特征值和特征向量3、计算协方差矩阵的特征值大于阈值的个数4、降序排列特征值5、去掉较小的特征值6、去掉较大的特征值(一般没有这一步）7、合并选择的特征值8、选择相应的特征值和特征向量9、计算白矩阵10、提取主分量 -
应用9×9的窗口对上述图像进行随机抽样
（1）应用9×9的窗口对上述图象进行随机抽样，共抽样200块子图象；（2）将所有子图象按列相接变成一个81维的行向量；（3）对所有200个行向量进行KL变换，求出其对应的协方差矩阵的特征向量和特征值，按降序排列特征值以及所对应的特征向量；（4）选择前40个最大特征值所对应的特征向量作为主元，将原图象块向这40个特征向量上投影，所获得的投影系数就是这个子块的特征向量。（5）求出所有子块的特征向量。 -
-
-
MUSIC 算法是利用接收数据的协方差矩阵(Rx)分离出信号子空间和噪声子空间
MUSIC 算法是利用接收数据的协方差矩阵(Rx)分离出信号子空间和噪声子空间，利用信号方向向量与噪声子空间的正交性来构成空间扫描谱，进行域搜索谱峰，从而实现信号的参数估计。 -
-
