Matlab 导管相关分析

我刚刚开始在Matlab中使用CCA。我有两个维度为

60x1920

和

60x1536

的向量

X

和

Y

，样本数为

60

，不同向量集中的变量分别为

1920

和

1536

。我想知道如何将它们缩减到子空间，然后进行特征匹配

我正在使用这个命令

%% DO CCA
[A,B,r,U,V] = canoncorr(X,Y);

我得到的输出是：

  Name         Size             Bytes  Class     Attributes

  A         1920x58            890880  double              
  B         1536x58            712704  double              
  U           60x58             27840  double              
  V           60x58             27840  double              
  r            1x58               464  double       

谁能告诉我这些变量是什么意思。我已经看了好几遍文档，仍然不清楚它们。据我所知，CCA发现两个线性投影矩阵

Wx

和

Wy

，使得

X

和

Y

在

Wx

和

Wy

上的投影最大相关

1） 有谁能告诉我下面的矩阵是什么

2） 另外，如何在CCA的学习子空间中找到投影向量

---

任何帮助都将不胜感激。提前感谢。

据我所知，由于

X

和

Y

是原始数据矩阵，

A

和

B

是一组系数，它们执行基础更改，以最大程度地关联原始数据。您的数据在新基中表示为矩阵

U

和

V

因此，要回答您的问题：

您正在查找的投影矩阵将是

A

和

B

，因为它们将

X

和

Y

转换到新空间中

X

和

Y

到新空间的结果投影分别为

U

和

V

。（向量

r

表示

U

和

V

之间的相关矩阵的条目，这是一个对角矩阵。）

表示该转换可通过以下公式完成，其中

N

是观察次数：

U = (X-repmat(mean(X),N,1))*A
V = (Y-repmat(mean(Y),N,1))*B

---

很好地规划了过程，以便您可以看到每个系数在转换过程中的含义。

您看过文档了吗？谢谢你的回复。我确实看了文档，但仍然有一些疑问。你能告诉我哪些是投影向量吗？我认为是A和B，CCA子空间上的投影是U和V。我的假设正确吗？谢谢回答。你能再帮我一点吗。我实际上是在设计一个基本的人脸识别程序。在这里，我得到向量X和Y，它们实际上是来自两种不同模式的人脸图像。然后我通过CCA进行子空间学习，将它们转换为一个公共子空间。现在假设我得到一个图像查询，我想标记它。我应该找到与它最相似的类。所以我将使用U或V矩阵中的任何一个来将它们转换成公共子空间。但是我怎么能把它和U和V矩阵比较呢？我不认为CCA真的找到了一个共同的子空间。相反，它可以更方便地找到表示两组数据的两个单独的子空间，从而使两组数据之间的相关性变得更加明显。你可能会发现这个答案很有用：恐怕我没有足够的经验来进一步帮助你。交叉验证是获得统计和机器学习问题帮助的更好论坛。