R语言 shapes包 procWGPA()函数中文帮助文档(中英文对照)

loveR

procWGPA(shapes)
procWGPA()所属R语言包：shapes

                                        Weighted Procrustes analysis
                                         加权的Procrustes分析

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Weighted Procrustes analysis to register landmark configurations into optimal registration using translation,  rotation and scaling. Registration without scaling is also an option. Also, obtains principal  components, and some summary statistics.
加权的Procrustes分析，登记地标配置到最优的注册，使用平移，旋转和缩放。无结垢的注册也是一种选择。此外，获得的主要组成部分，和一些汇总统计数据。


用法----------Usage----------


procWGPA(x, fixcovmatrix=FALSE, initial="Identity", maxiterations=10, scale=TRUE,
reflect=FALSE, prior="Exponential",diagonal=TRUE,sampleweights="Equal")



参数----------Arguments----------

参数：x
Input k x m x n real array, where k is the number of points, m  is the number of dimensions, and n is the sample size.  
输入kxmxn真正的数组，其中k是的点的数量，m是维度的数目，和n是样本大小。


参数：fixcovmatrix
If FALSE then the landmark covariance  matrix is estimated. If a fixed covariance matrix is desired then  the value should be given here, e.g. fixcovmatrix=diag(8) for the identity matrix with 8 landmarks.  
如果为FALSE，则具有里程碑意义的协方差矩阵估计。如果一个固定的协方差矩阵是想要的，然后该值应这里给出的，例如fixcovmatrix一diag（8）为单位矩阵，8地标。


参数：initial
The initial value of the estimated covariance matrix.  "Identity" - identity matrix, "Rawdata" - based on sample variance of the  raw landmarks. Also, could be a k x k symmetric positive definite matrix.
估计的协方差矩阵的初始值。 “身份” - 矩阵，“RAWDATA” - 根据样本方差原始的地标。此外，可能是akxk的对称正定矩阵。


参数：maxiterations
The maximum number of iterations for estimating  the covariance matrix </table>
的最大数目的迭代估计的协方差矩阵</表>


参数：scale
Logical quantity indicating if scaling is required </table>
逻辑量表示，如果需要缩放</ TABLE>


参数：reflect
Logical quantity indicating if reflection invariance is required </table>
逻辑数量，如果需要反射不变性</ TABLE>


参数：prior
Indicates the type of prior. "Exponential" is exponential  for the inverse eigenvalues. "Identity" is an inverse Wishart with  the identity matrix as parameters.
表示之前的类型。 “指数”是指数的逆特征值。 “身份”是一个逆威沙特的身份矩阵作为参数。


参数：diagonal
Logical. Indicates if the diagonal of the landmark  covariance matrix (only) should be used. Diagonal matrices can lead to  some landmarks having very small variability, which may or may not be desirable.
逻辑。表示如果对角线，应使用具有里程碑意义的协方差矩阵（只）。对角矩阵，可能会导致一些标志性建筑，具有非常小的变化，这可能会或可能不会理想。


参数：sampleweights
Gives the weights of the observations in the sample,  rather than the landmarks. This is a fixed quatity. "Equal" indicates that all observations in the sample have equal weight. The weights do not need to sum to 1.  
样品中的权重的意见，而不是地标。这是一个固定的生化的。 “平等”表明，所有观测样本中有相同的权重。不需要总和为1的权重。


Details

详细信息----------Details----------

The factored covariance model is assumed: $Sigma_k x I_m$ with  $Sigma_k$ being the covariance matrix of the landmarks, and the
因素的协方差模型的假设：Sigma_k x I_m $ $ Sigma_k的协方差矩阵的标志性建筑，和


值----------Value----------

A list with components
组件列表


参数：k
no of landmarks
没有地标


参数：m
no of dimensions (m-D dimension configurations)
没有尺寸（M-D尺寸配置）


参数：n
sample size
样本量


参数：mshape
Weighted Procrustes mean shape.  
加权的Procrustes的形状。


参数：tan
This is the mk x n matrix of  Procrustes residuals $X_i^P$ - Xbar.
这是MK xn矩阵普鲁克残差$ X_i的^ P $  -  XBAR。


参数：rotated
the k x m x n array of weighted Procrustes  rotated data  
kxmxn阵列加权的Procrustes旋转的数据


参数：pcar
the columns are eigenvectors (PCs) of the sample  covariance Sv of tan  
列向量（PC）的棕褐色的样本协方差的SV


参数：pcasd
the square roots of eigenvalues of Sv using tan (s.d.'s of PCs)
棕褐色（SD的个人电脑使用的特征值SV的平方根）


参数：percent
the percentage of variability explained by the PCs using tan.  
解释变异的百分比的个人电脑使用棕褐色。


参数：size
the centroid sizes of the configurations
配置的重心的尺寸的


参数：scores
standardised PC scores (each with unit variance) using  tan  
使用棕褐色的标准化PC的分数（每单位方差）


参数：rawscores
raw PC scores using tan  
原料PC使用棕褐色得分


参数：rho
Kendall's Riemannian distance rho to the mean shape
Kendall的黎曼距离卢的平均形状


参数：rmsrho
r.m.s. of rho  
均方根的Rho


参数：rmsd1
r.m.s. of full Procrustes distances to the mean shape $d_F$
均方根所有的Procrustes距离的平均形状D_F $ $


参数：Sigmak
Estimate of the sample covariance matrix of the landmarks
估计的样本协方差矩阵的标志性建筑


（作者）----------Author(s)----------


Ian Dryden



参考文献----------References----------

Shape Analysis, Wiley, Chichester.
of shape (with discussion). Journal of the Royal Statistical Society,  Series B, 53: 285-339.

参见----------See Also----------

procGPA
procGPA


实例----------Examples----------



#2D example : female Gorillas (cf. Dryden and Mardia, 1998)[2D例如：女性的大猩猩（参见德莱顿和Mardia的，1998年）]

data(gorf.dat)

gor<-procWGPA(gorf.dat,maxiterations=3)


转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。


注：
注1：为了方便大家学习，本文档为生物统计家园网机器人LoveR翻译而成，仅供个人R语言学习参考使用，生物统计家园保留版权。
注2：由于是机器人自动翻译，难免有不准确之处，使用时仔细对照中、英文内容进行反复理解，可以帮助R语言的学习。
注3：如遇到不准确之处，请在本贴的后面进行回帖，我们会逐渐进行修订。