主成分分析(PCA)原理详解_李春春的专栏-CSDN博客_主成分分析
看论文是遇到2DPCA方法,然后又去回顾了一下经典的PCA方法,对于PCA这篇博客解读还是比较详细,可以参考。
2DPCA方法解读可以参考这篇博客:
2DPCA—二维主成分分析详解及编程_一地鸡毛的博客-CSDN博客_二维主成分分析
一、为什么提出2DPCA(Why)
PCA存在着以下问题:
1、使用PCA进行图像分类识别时,需要将二维矩阵转换为一维向量,使得图像内在的结构信息丢失。
2、使用PCA学习特征向量时,由一维向量构造的协方差矩阵尺寸过大,计算复杂度高。
3、由于训练样本数量较少,协方差矩阵尺寸过大,因此PCA容易导致过拟合问题。
因此考虑直接使用二维图像构造协方差矩阵,计算投影轴(特征向量),并直接使用二维图像进行投影获得图像的模式特征。
原文链接:https://blog.csdn.net/qq_38962956/article/details/105091878