前言
在图像的训练中,通常会把图像的每一个像素看做是一个变量,所以在图形训练的时候,变量的个数非常多,继而出现比较大的问题是变量之间往往有很多存在相关性,变量间的相关性会造成信息的重叠和分析的复杂性,所以使用主成分分析(Principal Componen Analys,简称“PCA”)进行降维是一个基本的方法。
当使用了PCA进行降维后,我们介绍一个简单的分类器:线性判别方法(Linear Discriminant Analysis,简称“LDA”),虽然说这两个分析算法都是很基础的算法,但是在实际使用中效果还是很突出的,特别是如果待分类的数据本身是有一定的规则转化而来的,例如,通过旋转而产生的不同角度的数据,等等。
这两个算法的数学解释就不在这里讨论了,详细可以参考本文参考内容里面的书籍,非常详细的讲解了这两个算法,我也是通过研读该书籍来学习的。
PCA操作方法
1. 将所有待分析的图像标准化后放到src的图像数组(vector类型也可以)中。
for(int i = 1; i <= 15; i++)
{
stringstream ss;
string num;
ss<<i;//将整数i读入字符串流
ss