一、KL公式
KL变换是从n维特征中选取m维(m<n),并使得选取出来的m维特征可以表示原来n维特征的信息(损失最小)。
Y = Φ X
其中X表示变换前的矩阵,Y表示变换后的矩阵, Φ表示变换矩阵。为了实现变换后的矩阵特征之间的独立, Φ需要是对角阵。
我们常常利用相关矩阵 或者 协方差矩阵(图像处理中常采用)来体现数据之间的相关性(比如若协方差矩阵是对角阵,则他们的互协方差为0,特征之间不相关)
如何求Φ ?
假设我们已经求出协方差或者相关矩阵A,下面需要解求本征值λ和本征向量Φ
|A - λE| = 0 解λ
将解出的每个λ依次带入(A-E)x =0
每次解出的x矩阵就是所要求的本征向量矩阵 Φ
再利用Y = Φ X得出结果向量Y (如有需要,则利用 Y = Φ (X - mX) 进行中心化)
附:
特征值和特征向量定义:
设A是n