2DPCA、(2D)2PCA公式推导

个人笔记，非教程

$2DPCA$

找到一个投影矩阵W，使数据X不用拉成一维就能投影得到低维表示Y

$$Y=XW$$

投影后的协方差矩阵

$$S(Y)=Y^{T}Y=W^T{X}^{T}XW=W^{T}S(X)W$$

最大化tr(S(Y))

$$\max tr(S(Y))=\max tr(W^{T}S(X)W)$$

对S(X)特征值分解求前d个最大特征值对应的特征向量组成投影矩阵W即可

\

$(2D{)}^{2}PCA$

通过2DPCA得到Y后求一个投影矩阵V使Y得到低维表示Z

$$Z=V^{T}Y$$

投影后的协方差矩阵

$$S(Z)=Z{Z}^T=V^{T}Y{Y}^{T}V$$

最大化tr(S(Z))

$$\max tr(S(Z))=\max tr(V^{T}S(Y^T)V)$$

对$S(Y^T)$特征值分解求前d个最大特征值对应的特征向量组成投影矩阵V即可