主成分分析（PCA）与2DPCA

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