主成分分析实现的一个心得

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 Analysis，PCA)也叫做主成份变换、主分量分析或 —L(Karhunen—Loeve)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PCI和ENVI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：

 

 

  

<