PCA算法及其在人脸识别上的应用

万蕊清

于 2014-04-08 18:10:38 发布

阅读量2.2k

点赞数 1

CC 4.0 BY-SA版权

文章标签： PCA 人脸识别主成分分析降维

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/gateway6143/article/details/23188977

PCA（主成分分析）用于高维数据的降维，通过寻找最小均方意义下的投影方法。在人脸识别中，PCA通过计算样本协方差矩阵、求解特征根和构建投影矩阵实现。将样本投影到低维空间后，利用最近邻分类器进行识别。然而，PCA可能忽视了类别属性，丢失关键的可分性信息。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

PCA，也即主成份分析，主要用于特征的降维。

高维数据中包含了大量的冗余并隐藏了重要关系的相关性，降维的目的就是消除冗余，减少被处理数据的数量。

PCA其实就是寻找最小均方意义下，最能代表原始数据的投影方法。

基于PCA的人脸识别步骤：

假设有n幅人脸图像（100

最低0.47元/天解锁文章

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。