【笔记】感知机模型Gram矩阵的理解

Gram矩阵的理解

Gram Matrix实际上可看做是feature之间的偏心协方差矩阵（即没有减去均值的协方差矩阵），在feature map中，每一个数字都来自于一个特定滤波器在特定位置的卷积，因此每个数字就代表一个特征的强度，而Gram计算的实际上是两两特征之间的相关性，哪两个特征是同时出现的，哪两个是此消彼长的等等，同时，Gram的对角线元素，还体现了每个特征在图像中出现的量，因此，Gram有助于把握整个图像的大体风格。有了表示风格的Gram Matrix，要度量两个图像风格的差异，只需比较他们Gram Matrix的差异即可。

从而要计算的的所有式子就可以放在一个矩阵里面:

其中第一列就是遇到 x _{1} 时候的误分判别计算式，第 i 个样本要计算的误分判别式在第 i 列。

于是说，在计算之前，我们就可以先把训练集中实例间的内积计算出来并以矩阵的形式存储，这个矩阵就是 Gram 矩阵。

参考：https://blog.csdn.net/qq_26826585/article/details/87967520
https://www.zhihu.com/question/49805962/answer/199427278