本文总结了PCA算法在人脸识别中的应用，通过降维简化特征空间，并结合KNN进行模式识别。介绍了PCA的五步过程，包括均值化、协方差矩阵计算、特征值与向量选择等。实验表明，加上方差归一化后，识别率提升至86%。作者意识到程序仍有改进空间，并对语义层次识别进行了思考，特别是如何将底层特征映射到高层语义。
这相当于一个工作总结。
接触机器学习以后，首先感兴趣的就是PCA算法，通过降维将特征空间大大简化。并在matlab中写了下代码，本来想用C++实现，最后发现求特征向量还需要QR迭代法，算法非常麻烦，所以就在matlab中，通过调用已经写好的库函数，实现了一个简单的程序。接着就是后面的模式识别和多媒体课程，让我了解到人脸识别的大致过程。所以就根据所学的只是写了PCA+KNN的人脸识别。比较简单，有界面。
PCA的过程根据书上了解主要有五步：
1，均值化处理
2，求特征空间的协方差矩阵
3，求协方差的特征值和特征向量
4，将特征值按照从大到小的顺序排序，选择其中最大的
最低0.47元/天 解锁文章
扫一扫
599
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
