cca matlab代码,CCA的matlab小实验[通俗易懂]

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

0均值处理后的X1

降维后的X1

最后我们来看看降维后的数据，X2，X2中第1、2、7、8都是属于第一类，投影降维后的数据X2中就是比较近，第3、6个数据即属于第一类也属于第二类也比较近，第4、5数据属于第二类也是比较近的，可见他的投影方向完全不是PCA的样子，而是与LDA比较像，他是LDA在多标签情况下的延伸。bingo