Triple-L

原文出处 一、简介 PCA（Principal Components Analysis）即主成分分析，是图像处理中经常用到的降维方法，大家知道，我们在处理有关数字图像处理方面的问题时，比如经常用的图像的查询问题，在一个几万或者几百万甚至更大的数据库中查询一幅相近的图像。这时，我们通常的方法是对图像库中的图片提取响应的特征，如颜色，纹理，sift，surf，vlad等等特征，然后将其保存，建立

参考-《统计分析方法》-李航 第四章 朴素贝叶斯法 电脑可以将图像视频文字等呈现在人类面前但是它自己却没有判断力，并不能去这些信息进行分类和识别。机器学习就是为了让机器获得识别这些信息的能力。在机器学习中朴素贝叶斯是一种非常简单但是却应用十分广泛的分类方法。 朴素贝叶斯是基于贝叶斯的一种分类方法，它通过输入的训练数据集和类别标签来学习联合分布概率P（X,Y），然后利用P（X,Y）来对测试数据

数据读取 #!-coding:UTF-8import matplotlib.pyplot as pltfrom pylab import *import numpy as npimport scipy.io as sioload_fn = '6electrodes.mat'load_data = sio.loadmat(load_fn)load_matrix = load_data['

pca.py#!-coding:UTF-8-from numpy import *import numpy as npdef loadDataSet(fileName, delim='\t'): fr = open(fileName) stringArr = [line.strip().split(delim) for line in fr.readlines()] d