PCA，也即主成份分析，主要用于特征的降维。
高维数据中包含了大量的冗余并隐藏了重要关系的相关性，降维的目的就是消除冗余，减少被处理数据的数量。
PCA其实就是寻找最小均方意义下，最能代表原始数据的投影方法。
基于PCA的人脸识别步骤：
假设有n幅人脸图像（100*100），也即样本大小为n，这n个样本分属c类，也即c个人。
PCA算法及其在人脸识别上的应用
最新推荐文章于 2024-11-01 10:31:23 发布
PCA（主成分分析）用于高维数据的降维，通过寻找最小均方意义下的投影方法。在人脸识别中，PCA通过计算样本协方差矩阵、求解特征根和构建投影矩阵实现。将样本投影到低维空间后，利用最近邻分类器进行识别。然而，PCA可能忽视了类别属性，丢失关键的可分性信息。
最低0.47元/天 解锁文章
扫一扫
2602
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
