SFF/Training/pca.m

   1 % =================================================================
   2 %  Sparse Feature Fidelity (SFF) Version 2.0
   3 %  Copyright(c) 2013  Hua-wen Chang
   4 %  All Rights Reserved.
   5 % ----------------------------------------------------------------
   6 % WHITENING AND DIMENSIONALITY REDUCTION BY PCA
   7 %
   8 % INPUT variables:
   9 % X                  matrix with image patches as columns
  10 % OUTPUT variables:
  11 % V                  whitening matrix
  12 % E                  principal component transformation (orthogonal)
  13 % D                  variances of the principal components
  14 % =================================================================
  15
  16 function [V,E,D] = pca(X)
  17
  18
  19 covarianceMatrix = X*X'/size(X,2);
  20 [E, D] = eig(covarianceMatrix);
  21 [dummy,order] = sort(diag(-D));
  22 E = E(:,order);
  23 d = diag(D);
  24 dsqrtinv = real(d.^(-0.5));
  25 Dsqrtinv = diag(dsqrtinv(order));
  26 D = diag(d(order));
  27 V = Dsqrtinv*E';