小星星专栏

由于是用word写的，公式太多了，不想一个个敲。直接贴笔记的图片了，抱歉！

结合网上的资料，细看了两种求解PCA的方式。当进行协方差矩阵上求解特征值时，若矩阵的维数较小，则可以使用传统的求解方式，直接求出协方差矩阵的所有特征值和对应的特征向量。但是如果是用在图片方面，加入一张100*100的图片，特征维度高达10000维，协方差矩阵则是10000*10000这种级别，这将耗费的计算量呈平方级增长。面对这样一个难点，用传统方法求解不现实，因此引出奇异值分解(SVD)，利用S...

作为一个非监督学习的降维方法，PCA（Principal Components Analysis）顾名思义，就是找出数据里最主要的方面，用数据里最主要的方面来代替原始数据。具体的，假如我们的数据集是n维的，共有m个数据(x1,x2,…,xm)。我们希望将这m个数据的维度从n维降到k维，希望这m个k维的数据集尽可能的代表原始数据集。但是，数据从 n维降到k维肯定会有损失，因此，PCA就是要是这个损失...

计算机视觉、机器学习相关领域论文和源代码大集合--持续更新…… 注：下面有project网站的大部分都有paper和相应的code。Code一般是C/C++或者Matlab代码。 最近一次更新：2013-3-17 一、特征提取Feature Extraction： ·         SIFT [1] [Demo program][SIFT Library] [VLFeat] ·    ...