25、数据处理与分类算法解析

数据处理与分类算法解析

一、PCA在真实图像中的应用

在处理图像数据时，PCA（主成分分析）是一种非常有效的方法。下面我们将详细介绍PCA在哈士奇图像上的应用过程。

1. 数据准备

   • 我们最初有六张哈士奇的图片，为了便于处理，这些图片的尺寸为45×64像素，并且通过手动对齐，确保眼睛和鼻子在每张图片中的位置大致相同，这样每个像素更有可能代表狗的相同部位。
   • 由于六张图片作为训练数据量较少，我们采用数据增强的策略来扩充数据集。具体操作如下：
     1. 随机顺序遍历这六张图片，每次选取一张图片进行复制。
     2. 对复制的图片在水平和垂直方向上随机移动不超过10%的距离。
     3. 顺时针或逆时针旋转不超过五度。
     4. 可能会进行左右翻转。
     5. 将变换后的图片添加到训练集中。通过这种方式，我们构建了一个包含4000张狗图像的训练集。

2. 数据标准化
   在对这些图像运行PCA之前，我们需要对它们进行标准化处理。这意味着分析4000张图像中每个相同位置的像素，并调整这些像素集合，使其均值为零，方差为1。标准化后的前六张生成的狗图像展示了标准化的效果。

3. PCA生成特征向量（特征狗）

   • 我们让PCA找出12张图像，当这