PCA即主成分分析,它主要的作用是对数据进行降维,在重构误差很小的情况下,将数据从n维降低到k(k<<n)维。目前,PCA在人脸识别或其它目标识别方面得到了广泛的应用。
PCA的主要思想:利用训练样本数据构建协方差矩阵,然后求取该协方差矩阵的特征值和特征向量,第三,选取前p个最大的特征值对应的特征向量构成特征矩阵U=[u1,u2,...,up],第四,将每一个样本数据利用特征矩阵映射到特征空间里,从而实现降维作用。
实例分析:
给定一个训练样本集X=[x1,x2,..xn],其中n为样本个数,每个样本维数为m维。对训练样本集构建PCA过程如下:
1、计算样本均值。
2、计算各个样本与样本均值之间的误差<