如何利用特征值确定90%协方差误差椭球各轴长及椭球类型

问题背景 #

我拥有A、B、C三个参数，每个参数各有20000个数据。将它们以A为X轴（对应宽度）、B为Y轴（对应高度）、C为Z轴（对应延伸长）绘制3D图时会形成点云。需要为1000+个样本分别拟合90%协方差误差椭球，并确定对应X、Y、Z轴的长度，以此判断每个样本的椭球类型：

• 长椭球：高度>宽度>延伸长
• 扁椭球：宽度>高度>延伸长
• 球形：宽度=高度=延伸长

现有处理步骤 #

• 步骤1：计算协方差矩阵

covMat <- var(cbind(A,B,C)) 
covMat
           A          B          C
A 0.08269010 0.05330448 0.05329601
B 0.05330448 0.33033311 0.14017367
C 0.05329601 0.14017367 0.18732865

• 步骤2：计算特征值（默认按降序排列）

evals<-eigen(covMat)$values
evals
[1] 0.43162433 0.10861830 0.06010923

• 步骤3：计算90%协方差误差椭球的轴长

ell.len <- 2*sqrt(6.251*evals)
ell.len
[1] 2.971533 1.666728 1.325708

核心问题 #

特征值默认按降序排列，导致ell.len的数值是按大小排序的，无法直接对应到X轴宽度、Y轴高度、Z轴延伸长（不同样本的三轴长度大小关系可能变化），需要解决这个对应问题才能判断椭球类型。

解决方案 #

要将椭球轴长与原始X/Y/Z轴对应，必须结合特征向量——特征值对应的特征向量代表椭球主轴的方向，通过计算特征向量与原始坐标轴的夹角（用余弦相似度量化），找到与每个原始坐标轴方向最接近的椭球主轴，其对应的轴长就是该坐标轴的长度。

具体实现代码（R） #

1. 同时提取特征值和特征向量

eigen_res <- eigen(covMat)
evals <- eigen_res$values
evecs <- eigen_res$vectors  # 每一列对应一个特征值的单位特征向量

2. 计算特征向量与原始坐标轴的余弦相似度（绝对值越大，方向越接近）

# 定义原始坐标轴的单位向量
x_unit <- c(1, 0, 0)
y_unit <- c(0, 1, 0)
z_unit <- c(0, 0, 1)

# 计算每个特征向量与X轴的相似度
x_sim <- abs(colSums(evecs * x_unit))
# 与Y轴的相似度
y_sim <- abs(colSums(evecs * y_unit))
# 与Z轴的相似度
z_sim <- abs(colSums(evecs * z_unit))

3. 匹配原始坐标轴对应的椭球轴长

# 宽度（X轴对应）：找到与X轴最匹配的特征向量对应的轴长
width_idx <- which.max(x_sim)
width <- 2 * sqrt(6.251 * evals[width_idx])

# 高度（Y轴对应）：找到与Y轴最匹配的特征向量对应的轴长
height_idx <- which.max(y_sim)
height <- 2 * sqrt(6.251 * evals[height_idx])

# 延伸长（Z轴对应）：找到与Z轴最匹配的特征向量对应的轴长
depth <- 2 * sqrt(6.251 * evals[which.max(z_sim)])

4. 判断椭球类型（考虑数值精度，设置微小阈值）

threshold <- 1e-4  # 根据数据精度调整

if (abs(height - width) < threshold && abs(width - depth) < threshold) {
  ell_type <- "球形"
} else if (height > width && width > depth) {
  ell_type <- "长椭球"
} else if (width > height && height > depth) {
  ell_type <- "扁椭球"
} else {
  ell_type <- "其他类型"  # 可根据需求补充更多分类规则
}

内容的提问来源于stack exchange，提问作者Sara Soria