特征降维
chenyu19880302
这个作者很懒,什么都没留下…
展开
-
主成分分析(pca)算法原理
图像处理中对很多副图片提取特征时,由于特征的维数过高而影响程序的效率,所以用到pca进行特征降维。那怎样才能降低维数呢?它又用到了什么数学方法呢?1.协方差矩阵 假设有一个样本集X,里面有N个样本,每个样本的维度为d。即:将这些样本组织成样本矩阵形式,即每行为一个样本,每列为一个维度,得到样本矩阵T;根据协方差矩阵公式其中为均值,n为样原创 2013-06-21 21:41:41 · 9162 阅读 · 0 评论 -
主成分分析(pca)算法的实现步骤及代码
上一篇文章主要写了主成分分析的原理,现在就用matlab来实现其功能。主成分分析的实现步骤如下:1.输入样本矩阵 假设样本x1,x2,...,xN,共N个样本,每个样本以列向量的形式表示,每个样本有M维。X=[x1 x2 ... xN]MxN。2.计算样本中每一维的均值,然后计算观察值与均值之间的偏差,再计算协方差矩阵 根据协方差函数首先要原创 2013-06-24 17:02:51 · 12115 阅读 · 4 评论 -
LLE算法
http://smilefuture.blog.sohu.com/54204609.html原始特征的数量可能很大,或者说样本是处于一个高维空间中,通过映射或变换的方法,降高维数据降低到低维空间中的数据,这个过程叫特征提取,也称降维。 特征提取得基本任务研究从众多特征中求出那些对分类最有效的特征,从而实现特征空间维数的压缩。传统的降维技术可以分为线性和非线性两类。(1)转载 2013-10-08 12:09:02 · 6736 阅读 · 0 评论