主成分分析

应用背景：我们知道，通过用图像的特征来描绘图像，以方便计算机进一步的计算，这里的“进一步计算”也包括图像的分析，图像的分析必须从图像已有的特征着手。很多情况下，图像的特征维数很多，需要选择一些对目的即图像分析有重要贡献的特征，构成特征子集，实现特征的降维，这个过程称之为特征提取。那么怎么来选择这些特征呢，在现存的众多方法中，线性变换因其计算简单、方便分析的特点而广泛使用，而主成分分析是一种重要的线性变换方法。主成分分析，Principal Component Analysis，PCA。它的主要思想是通过线性变换将高维空间的样本数据投影到低维空间而不丢失原始数据。