Maths | 主成分分析法（离散K-L变换）

最新推荐文章于 2022-10-26 23:46:58 发布

LVXIAO2897

最新推荐文章于 2022-10-26 23:46:58 发布

阅读量939

点赞数

文章标签：人工智能

原文链接：http://www.cnblogs.com/RyanXing/p/9473863.html

版权

离散K-L变换（Discrete Karhunen–Loève Transform, KLT）源于PCA，用于数据压缩。本文深入探讨K-L变换的原理，包括向量分解、误差估计及最小化、寻找最优正交向量系，以及PCA在编码解码应用中的推导，揭示PCA的高效本质。" 112173970,10535712,R语言GO与KEGG富集分析一键工具,"['生物信息学', '数据分析', 'R语言']

摘要由CSDN通过智能技术生成

1. 概述
2. K-L变换方法和原理推导
3. K-L变换高效率的本质
4. PCA在编、解码应用上的进一步推导

1. 概述

全称：Discrete Karhunen–Loève Transform (KLT)

离散K-L变换来源于祖宗PCA(Principal component analysis)。参见维基百科

PCA方法在1901年由Karl Pearson提出。在上世纪30年代，Harold Hotelling开拓了PCA的应用方向。
PCA在信号处理领域称为Discrete Karhunen–Loève Transform (KLT)，也就是我们今天的主角；在多变量质量控制领域称为the Hotelling transform，等等。

目的：将原始特征转换为数量较少的新特征。

特点：