主成分分析实现的一个心得

本文介绍了主成分分析(PCA)的实现过程,通过一个示例展示了PCA在图像处理中的应用,包括计算特征向量的代码实现和根据特征值排序特征向量的步骤。最后,对比了正确PCA处理后的图像效果,强调了正确结果的视觉和谐性。
摘要由CSDN通过智能技术生成

分享一下我老师大神的人工智能教程!零基础,通俗易懂!http://blog.csdn.net/jiangjunshow

也欢迎大家转载本篇文章。分享知识,造福人民,实现我们中华民族伟大复兴!

               

作者:朱金灿<?xml:namespace prefix = o ns = "urn:schemas-microsoft-com:office:office" />

来源:blog.csdn.net/clever101

 

     主成份分析(Principal Component AnalysisPCA)也叫做主成份变换、主分量分析或 —L(KarhunenLoeve)变换,是建立在统计特征基础上的多维(如多波段)正交线

性变换。它是遥感图像处理中最常用也是最有用的变换算法之一。

 

      这次我要实现一个主成分分析算法,图是做出来了,但是和著名的遥感软件PCIENVI的效果比起来很差。如第一主成分的图如下:

 

 

   

上面噪音极多,而且看起来不合谐。我知道自己的算法有问题,在排除了自己的读取图像的问题后。我考虑到是不是求取特征矩阵时出了问题,因为主成分的输出数据是Y=X*A

其中X为原图像,Y为目标图像,A为特征向量矩阵。由此我怀疑我的特征矩阵求取有问题。后来从网上找了一种求特征矩阵的办法,进行主成分分析的效果。下面是具体的实现代码:

 

 

  

    <
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
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。

余额充值