PCA

PCA

pca一句话：就是 多张人脸构成的矩阵b减去平均脸得矩阵a  求a的协方差矩阵c=aa ^T  

^{的特征向量 已达到降维的目的。}

接下来就是将每张图片在这M个特征向量上做投影，得到一个M维的权重向量w=（w₁,…w_M），一个人可能有多张图片，于是将对应于这个人的权重向量做一个平均作为这个人的权重向量。然后对于每个新来的人脸，先求得一个权重向量，然后与人脸库中每个人的权重向量做比较，如果小于某个阈值，则认为他是人脸库中的这个人；否则视为unknown。

^{特征向量：}

根据寻求特征值和特征向量的公式：PX=λX，知道就是求可以在矩阵p下做变换后的向量x，和一个变量乘以它的值相等，这说明什么？一句话：就是寻找可以再P下进行变换的向量，变换后该向量的长度发生变化，方向不变。其实特征值和特征向量就是这个意思。