%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%功能：演示回歸算法算法在計算機視覺中的應用
%實現如何利用偏最小二乘回歸模型實現數據擬合；
%環境：Win7，Matlab2012b
%Modi:?NUDT-VAP30
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

clear?all;
close?all;
clc;
%多重相關性計算
load（‘data.mat‘）;?%讀入數據文件data.mat
cr=corrcoef（data）?%計算變量之間的相關系數
%建立偏最小二乘回歸模型
%提取可能的主成分
X=data（:1:3）;
Y=data（:3:6）;
E0=stand（X）
F0=stand（Y）
A=rank（E0）
[WCTUPR]=plspcr（E0F0）

%主成分解釋能力分析
%計算主成分累計復測定系數
RA=plsra（TRF0A）
%計算主成分的信息解釋能力
[RdxRdXRdXtRdyRdYRdYt]=plsrd（E0F0TA）

%計算第一主成分間的相關性
%通過t1/u1圖像直觀的考查第一主成分間的相關性
cr=plsutcor（UT）

%計算PLS回歸方程的系數
%標準化因變量關于主成分t1的經驗回歸系數
TCOEFF=R（:1）
%標準化因變量關于標準化自變量的經驗回歸系數
SCOEFF=pls（15WPR）%1為建模的主成分個數，5為自變量個數
%計算原始因變量關于原始自變量的經驗回歸系數
[COEFFINTERCEP]=plsiscoeff（XYSCOEFF）%對標準化的回歸系數進行逆標準化處理，輸出原始自變量對因變量的回歸系數及常數項

%變量投影重要性分析與模型的改進
result=plsresult（WRdYRdYt1）%result表示第j個自變量對因變量的解釋能力模

?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----

?????文件????????472??2011-04-13?11:56??3、回歸學習\data.mat

?????文件???????1230??2015-04-30?08:15??3、回歸學習\main.m

?????文件????????561??2011-04-25?11:16??3、回歸學習\pls.m

?????文件????????514??2011-04-13?10:46??3、回歸學習\plsiscoeff.m

?????文件????????749??2011-04-26?13:46??3、回歸學習\plspcr.m

?????文件????????370??2011-04-11?13:36??3、回歸學習\plsra.m

?????文件????????970??2011-04-11?15:30??3、回歸學習\plsrd.m

?????文件????????282??2015-04-30?08:12??3、回歸學習\plsresult.m

?????文件????????274??2011-04-11?15:48??3、回歸學習\plsutcor.m

?????文件????????204??2011-04-11?12:56??3、回歸學習\stand.m

?????目錄??????????0??2017-11-26?16:25??3、回歸學習

-----------?---------??----------?-----??----

?????????????????5626????????????????????11