摘要:
主要介绍了什么是降维(Dimensionality Reduction)算法,及其中的PCA(Principal Component Analysis)算法。及在图像预处理中的应用。
一:什么是降维(Dimensionality Reduction)(DR)算法
降维(Dimensionality Reduction)是在程序进行特征学习之前,为了提高特征学习的准确性和减小训练时间,而进行的预处理,减小冗余数据,和无关,噪声数据。
最常见的降维(Dimensionality Reduction)技术之一就是主成分分析 PCA(Principal Component Analysis)。它是在1901年由英国的 Karl Pearson 提出的。
二:PCA(Principal Component Analysis)算法
PCA(Principal Component Analysis)算法是基于变量协方差矩阵对信息进行压缩和处理,通常用于数据降维。可以将它用作图像矩阵降维,然后再在降维的基础上提取图像特征。
PCA(Principal Component Analysis)算法的基本过程:读入要进行降维处理的矩阵数据,然后计算矩阵数据的协方差,计算已经进行协方差处理的矩阵的特征向量和特征值,将特征向量进行排序,然后取你所需要的前n位特征向量,让后将这n个特征向量构建新空间。
三:PCA(Principal Component Analysis)算法在图片处理中的应用
PCA(Principal Component Analysis)算法可以作为图像处理的预处理。图像进行 PCA(Principal Component Analysis)降维处理之后,可以更有效的提取图像的明显特征,为后期的图片进一步加工做准备。
在python模块中,提供了mlpy模块,可以直接调用降维算法 PCA(Principal Component Analysis),对图片进行处理。
当然,还有很多其它的模块,比方说opencv模块等。都可以直接调用降维算法 PCA (Principal Component Analysis)。
参考目录:
1.IBM官网关于 PCA(Principal Component Analysis)文章的网址
https://www.ibm.com/topics/principal-component-analysis
2.《Principal Component Analysis》
3. A Review of Dimensionality Reduction Techniques for Efficient Computation
https://www.sciencedirect.com/science/article/pii/S1877050920300879
4.python的mlpy模块网址
2024-04-27 8:18 | 首次编辑 |
以上内容仅供参考,如有不对,欢迎指正。