多组混淆矩阵分析：平均 PCC 和组统计

混淆矩阵直观展示了模型在多类别分类问题上的预测效果，揭示了每个类别样本被正确分类和错误分类的具体情况。

编写此脚本生成用于辅音识别任务的混淆矩阵。程序的输入应为一个Excel文件，其中每列表示一个试验中的刺激，并包括对应的辅音音素。完成后，只需在程序中运行即可。如果您的Excel文件扩展名为.xlsx，请在第11行将'.xls'更改为'.xlsx'。此外，应确保在辅音识别任务中准确识别所用的音素数。

本程序用于解析Thermal Live Viewer的数据，适用于已经进行过[-273.15,0.01]校准的相机，并且原始数据以十六进制存储。如果校准不同，需要相应调整数据解析方法。确保在使用前关闭Thermal Live Viewer应用程序，并插入相机到Windows计算机的USB端口。创建并移动文件send.txt和data.txt到Realterm文件夹中，分别用于发送和接收数据。在Realterm应用程序中设置端口为\10（USB），波特率为9600，并重置应用。若无弹窗出现，则设置成功。在发送选项卡输入数字“100”并发送，若返回字母“d”则设置正确。在捕获选项卡选择椭圆按钮以开始捕获数据。

输入： -TxN矩阵包含N个资产回报的多元时间序列。 -select：虚拟变量，若为1，则算法采用指数平滑，使用GARCH(1,1)模型。 -lambda：指数平滑参数 输出： -mean_ser：Nx1均值向量 -varcov：NxN协方差矩阵 -coskewness：NxN^2偏斜度矩阵 -cokurtosis：NxN^3峰度矩阵

罗杰·A·霍恩撰写的《矩阵分析》

数据矩阵：n个数据点具有p个维度相异度矩阵：n个数据点，仅记录差异三角矩阵单一模式距离只是衡量差异的一种方式

距离矩阵包含样本间的距离信息，用于聚类分析，将具有相似特征的样本分组。

MATLAB提供了强大的工具用于解决线性方程组和计算矩阵特征值的问题。这些功能不仅能够快速求解复杂的线性方程组，还能准确地计算各种矩阵的特征值和特征向量。用户可以利用MATLAB的程序设计能力，轻松地进行线性代数问题的求解和分析。

协方差矩阵的性质： 对角线元素为方差：主对角线元素 Cii 等于变量 Xi 的方差。 对称性：Cij = Cji，这意味着协方差矩阵是对称的。 非负定性：对于任何实向量 t，t'Ct ≥ 0，表明协方差矩阵是非负定的。