% function qn=kpca(dtrain,kernel,q,Fa,Ca);
% KPCA -核主成分分析
%
% 使用 [trainFeat,bj]=kpca(data,kernel,p1,p2)
% 输入 data - 原始数据文件名
% kernel - 核函数
% p1 ,p2 - 核函数参数
% q - 投影后的维数
% 输出 trainFeat - 映射到特征空间的样本
%训练样本
% global pp1,Fa,Ca
% global pp1
clc;
clear;
load d00_te.dat;
X=d00_te;
X=X(1:500,1:22);
[m n]=size(X);
k=zeros(m,m);
% 计算核矩阵
% for i=1:m
% for j=1:m
% k(i,j) = svkernel(kernel,dtrain(i,:),dtrain(j,:));
% end
% end
for i=1:m,
for j=i:m,
k(i,j) = exp(-norm(x(i,:)-x(j,:))^2/rbf_var);
k(j,i) = k(i,j);
end
end
D=mean(k,1);%列均 运行时注意查看一下D和C是否与原来的J和J’相等
% C=mean(k,2);%行均</