function?[train_kpcatest_kpca]?=?kpcaFordata（traintestthresholdrbf_var）
%train?是訓練數據
%test??是測試數據
%threshold?是閥值，是累計特征值的和占總的特征值的和的百分比，其范圍是1—100。
%rbf_var?是徑向基函數的參數
%%?Data?kpca?processing
%%?源地址：http://blog.sina.com.cn/lssvm
%這個思路應該是這樣的：根據訓練數據得到中心核矩陣，計算出指定的特征向量（這是目的）。同樣根據測試數據計算出測試數據的中心核矩陣，利用訓練數據的特征向
%量計算出測試數據的kpca
%%?函數默認設置
if?nargin?<4
rbf_var=10000;%？
end
if?nargin?<3
threshold?=?90;
end
%%?數據處理
patterns=zscore（train）;?%訓練數據標準化
test_patterns=zscore（test）;?%測試數據標準化
train_num=size（patterns1）;?%train_num是訓練樣本的個數
test_num=size（test_patterns1）;%test_num是測試樣本的個數
cov_size?=?train_num;?%cov_size是訓練樣本的個數
%%?計算核矩陣這是一個對稱陣
for?i=1:cov_size
????for?j=i:cov_size
????????K（ij）?=?exp（-norm（patterns（i:）-patterns（j:））^2/rbf_var）;?%核函數?rbf_var?？？
????????K（ji）?=?K（ij

?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----
?????文件????????2355??2013-05-01?21:38??kpcaFordata.m